本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于卷积神经网络的人脸表情识别系统基于卷积神经网络的人脸表情识别系统,在尝试 Gabor、LBP 等传统特征提取方式基础上,改用深度模型实现端到端识别,可识别发怒、厌恶、恐惧、开心、伤心、惊讶、中性 7 种表情。二、项目功能GUI 界面识别:基于 PyQt5,选择图片后对图中所有人脸进行检测和表情预测,标注结果输出到 output 目录实时检测:通过摄像头或视频文件进行逐帧人脸表情识别,支持 ESC 退出模型训练:支持在 fer2013、jaffe、ck 数据集上训练,并生成训练过程可视化传统方法:提供 LBP、Gabor 特征 SVM 分类器实现作为对比三、运行环境操作系统:Windows / LinuxPython:3.6(实测 3.13.5 可运行)深度学习框架:TensorFlow 2.x(Keras API),实测 2.21.0主要依赖:opencv-python、PyQt5、numpy、pandas、scipy、matplotlib、scikit-image、dlib、tqdmGPU 支持:可选 CUDA 10.1 cuDNN 7.6.5(原项目),CPU 亦可运行四、项目技术人脸检测:blazeface(默认,效果更好)、HAAR 分类器(opencv)、MTCNN特征提取与分类:自定义 CNN3 网络,输入层后加入 (1,1) 卷积增加非线性表示,层次较浅推理增强:对单张人脸进行水平翻转、偏移、裁剪等增广,得到多个概率分布加权求和后取最大概率作为标签GUI 框架:PyQt5,结合 matplotlib 绘制概率直方图后台线程:QThread 实现视频检测不阻塞界面数据集FER2013:网络爬虫采集,存在标签错误、水印、动画等问题,Pub/Pri Test 准确率约 67%JAFFE:实验室采集的日本女性表情数据集,半身图需做人脸检测,5 折交叉验证准确率约 99%CK:实验室采集,标准较高,5 折交叉验证准确率约 99%数据集和预训练模型需从百度网盘下载(密码 2pmd),下载后分别解压到 dataset 和 models 目录。GUI 进程已退出(任务 job-f978cbecd7cf4b738cbd552ce4ffbe01 结束)。这是之前运行的 GUI 窗口被关闭或终止导致的,属正常情况。以上系统源码经过技术整理与调试确保能正常运行五、项目截图