微表情识别系统

ops/2024/11/26 13:08:44/

🏡作者主页:点击! 

🤖编程探索专栏:点击!

⏰️创作时间:2024年11月25日8点23分


神秘男子影,
  秘而不宣藏。
泣意深不见,
男子自持重,
   子夜独自沉。

论文链接

点击开启你的论文编程之旅icon-default.png?t=O83Ahttps://www.aspiringcode.com/content?id=17045219032707&uid=48d99f80fab04fb5bd5b01763f272a4c

概述

面部表情图像预处理是面部表情识别的重要步骤,主要目的是在于提取特征之前排除一切与面部表情无关的干扰因素。例如,环境光照、姿势和不同背景等。在干扰排除后,将人类面部直接与公共参考系相对接、使每个面部特征对应的语义位置精准无误。人脸检测、人脸对齐、数据增强、人脸一是实现面部表情图像预处理的主要方法。

核心逻辑

人脸检测:

# 初始化字典,并保存Haar级联检测器名称及文件路径
detectorPaths = {"face": "haarcascade_frontalface_default.xml"
}
'''
加载Haar级联检测器:
创建一个空字典detectors,用于存储加载的检测器。
使用cv2.CascadeClassifier()加载XML文件,并将检测器存储在detectors字典中。
'''
# 初始化字典以保存多个Haar级联检测器
print("[INFO] loading haar cascades...")
detectors = {}# 遍历检测器路径
for (name, path) in detectorPaths.items():# 加载Haar级联检测器并保存到mappath = os.path.sep.join([args["cascades"], path])
detectors[name] = cv2.CascadeClassifier(path)
'''
图像处理:
从磁盘读取输入图像,使用imutils.resize函数将图像宽度调整为500像素。
将图像转换为灰度图以便进行人脸检测。
'''
# 从磁盘读取图像,缩放,并转换灰度图
print(args['image'])
image = cv2.imread(args["image"])
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
'''
执行面部检测:
使用人脸检测器执行面部检测,得到面部的边界框坐标。
'''
# 使用合适的Haar检测器执行面部检测
faceRects = detectors["face"].detectMultiScale(gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE)
'''
眼睛和嘴巴检测:
对于每个检测到的面部,分别在面部ROI中应用眼睛和嘴巴检测器,得到相应的边界框坐标。
'''
# 遍历检测到的所有面部
for (fX, fY, fW, fH) in faceRects:# 提取面部ROIfaceROI = gray[fY:fY + fH, fX:fX + fW]# 在面部ROI应用左右眼级联检测器eyeRects = detectors["eyes"].detectMultiScale(faceROI, scaleFactor=1.1, minNeighbors=10,minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)# 在面部ROI应用嘴部检测smileRects = detectors["smile"].detectMultiScale(faceROI, scaleFactor=1.1, minNeighbors=10,minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)

多人脸检测:

Haar是一种特征描述,随着时代的进步Haar也从Haar Basic的三种简单特征扩展到了Haar-Like以及到现在的Haar Extended。但是万变不离其宗,我们笼统得把他们分成三类:中心特征,线性特征, 边缘特征。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。

Haar原来就是一些固定的特征模型,在人脸识别这个特助的领域中可以局部的契合图像特征。

微表情识别 :
卷积神经网络,FaceCNN 类:
初始化:定义了一个包含卷积层、批量归一化、RReLU激活函数、池化层和全连接层的卷积神经网络结构。
前向传播方法 (forward):定义了模型的前向传播过程。

使用方式

功能分别是中文显示识别结果以及用英文显示识别结果以及相应的置信度计算结果展示。
英文显示:

中文显示:

导入中文字体:
设置中文字体

font = cv2.FONT_HERSHEY_SIMPLEX
font_chinese = cv2.FONT_HERSHEY_SIMPLEX

指定中文字体文件路径,替换成你自己的中文字体文件路径

font_path = ''
font_chinese = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText()

确保你已经下载并设置好中文字体文件路径。
修改中文文字输出的位置和格式:
在矩形框上部,输出中文分类文字和置信度

text = f"{} ()"
cv2.putText()

将 cv2.putText 函数的 font 参数替换为 font_chinese,以确保使用中文字体。
置信度计算:

直接点击按钮运行,再运行界面按“z”停止程序。
模型训练文件在百度云盘下载,替换相应的相对路径位置后运行。

部署方式

main.ipynb 为运行文件。
路径文件不是相对地址,请用户自行调整路径后为项目存放地址后运行。
用户请先请阅读readme.txt文件。

成功的路上没有捷径,只有不断的努力与坚持。如果你和我一样,坚信努力会带来回报,请关注我,点个赞,一起迎接更加美好的明天!你的支持是我继续前行的动力!"

"每一次创作都是一次学习的过程,文章中若有不足之处,还请大家多多包容。你的关注和点赞是对我最大的支持,也欢迎大家提出宝贵的意见和建议,让我不断进步。"

神秘泣男子


http://www.ppmy.cn/ops/136836.html

相关文章

ROS机器视觉入门:从基础到人脸识别与目标检测

前言 从本文开始,我们将开始学习ROS机器视觉处理,刚开始先学习一部分外围的知识,为后续的人脸识别、目标跟踪和YOLOV5目标检测做准备工作。我采用的笔记本是联想拯救者游戏本,系统采用Ubuntu20.04,ROS采用noetic。 颜…

备赛蓝桥杯--算法题目(1)

1. 链表求和 . - 力扣(LeetCode) class Solution { public:ListNode* addTwoNumbers(ListNode* l1, ListNode* l2) {ListNode *head nullptr, *tail nullptr;int carry 0;while (l1 || l2) {int n1 l1 ? l1->val: 0;int n2 l2 ? l2->val:…

mongoDB回顾笔记(一)

mongoDB学习要点回顾 1、哪些mongoDB相关文章介绍不错?2、mongoDB数据库默认开启分片功能吗?3、分片键如何选择?4、分片策略5、多字段的组合分片设置,两者区别?6、MongoDB chunk和分片有什么区别7、造成jumboChunk原因…

Linux云服务器docker使用教程

诸神缄默不语-个人CSDN博文目录 我用的是腾讯云服务器,操作系统是OpenCloudOS 9,基本上可以当特色版CentOS用。 docker安装跟各个系统关系太大了,我就不写了。OpenCloudOS 9安装docker见这篇博文:腾讯云服务器使用教程 文章目录 …

Qt Qt::UniqueConnection 底层调用

在这里插入图片描述 步骤1: 1:判断槽函数连接方式, 以及信号对象是否有效2: 信号计算格式是否 大于 signal_index 目前调试 signal_index 不太清楚怎末计算的(有清楚的帮忙街道)3:获取槽函数对…

《生成式 AI》课程 第7講:大型語言模型修練史 — 第二階段: 名師指點,發揮潛力 (兼談對 ChatGPT 做逆向工程與 LLaMA 時代的開始)

资料来自李宏毅老师《生成式 AI》课程,如有侵权请通知下线 Introduction to Generative AI 2024 Springhttps://speech.ee.ntu.edu.tw/~hylee/genai/2024-spring.php 摘要 这一系列的作业是为 2024 年春季的《生成式 AI》课程设计的,共包含十个作业。…

深入理解与实践:Softmax函数在机器学习中的应用

深入理解与实践:Softmax函数在机器学习中的应用 目录 深入理解与实践:Softmax函数在机器学习中的应用 引言 1. 什么是Softmax函数? 2. Softmax的核心应用 2.1 多分类任务 2.2 注意力机制 2.3 强化学习 3. 实现Softmax函数 3.1 手写S…

ssm186高校社团管理系统+vue(论文+源码)_kaic

毕业设计(论文) 题 目: 高校社团管理系统 姓 名: 学 号: 所属学院: 专业班级: 指导: 职 称: 完成日期 2021年 月 摘 要 21世纪的今天&#xf…