Python+OpenCV进行人脸面部表情识别

下面是关于“Python+OpenCV进行人脸面部表情识别”的完整攻略。

Python+OpenCV进行人脸面部表情识别

本攻略中，我们将介绍如何使用Python和OpenCV进行人脸面部表情识别。我们将提供两个示例来说明如何实现这些功能。

示例1：使用OpenCV和Haar级联分类器进行人脸检测和表情识别

以下是使用OpenCV和Haar级联分类器进行人脸检测和表情识别的实现步骤：

步骤1：导入依赖

我们需要导入以下依赖：

import cv2
import numpy as np

在这个示例中，我们导入OpenCV和numpy模块。

步骤2：加载Haar级联分类器

我们将使用OpenCV的CascadeClassifier()函数加载Haar级联分类器。以下是加载Haar级联分类器的步骤：

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

在这个示例中，我们使用CascadeClassifier()函数加载Haar级联分类器。

步骤3：加载表情分类器

我们将使用OpenCV的CascadeClassifier()函数加载表情分类器。以下是加载表情分类器的步骤：

emotion_cascade = cv2.CascadeClassifier('haarcascade_smile.xml')

在这个示例中，我们使用CascadeClassifier()函数加载表情分类器。

步骤4：打开摄像头

我们将使用OpenCV的VideoCapture()函数打开摄像头。以下是打开摄像头的步骤：

cap = cv2.VideoCapture(0)

在这个示例中，我们使用VideoCapture()函数打开摄像头。

步骤5：检测人脸和表情

我们将使用OpenCV的detectMultiScale()函数检测人脸和表情。以下是检测人脸和表情的步骤：

while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
        roi_gray = gray[y:y + h, x:x + w]
        roi_color = frame[y:y + h, x:x + w]
        smile = emotion_cascade.detectMultiScale(roi_gray, 1.8, 20)
        for (sx, sy, sw, sh) in smile:
            cv2.rectangle(roi_color, (sx, sy), (sx + sw, sy + sh), (0, 255, 0), 2)
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们使用detectMultiScale()函数检测人脸和表情。我们使用rectangle()函数在图像上绘制矩形框。

示例2：使用OpenCV和深度学习模型进行人脸表情识别

以下是使用OpenCV和深度学习模型进行人脸表情识别的实现步骤：

步骤1：导入依赖

我们需要导入以下依赖：

import cv2
import numpy as np
from tensorflow.keras.models import load_model

在这个示例中，我们导入OpenCV、numpy和tensorflow.keras模块。

步骤2：加载深度学习模型

我们将使用tensorflow.keras的load_model()函数加载深度学习模型。以下是加载深度学习模型的步骤：

model = load_model('model.h5')

在这个示例中，我们使用load_model()函数加载深度学习模型。

步骤3：打开摄像头

我们将使用OpenCV的VideoCapture()函数打开摄像头。以下是打开摄像头的步骤：

cap = cv2.VideoCapture(0)

在这个示例中，我们使用VideoCapture()函数打开摄像头。

步骤4：进行人脸表情识别

我们将使用OpenCV的detectMultiScale()函数检测人脸，并使用深度学习模型进行表情识别。以下是进行人脸表情识别的步骤：

while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        roi_gray = gray[y:y + h, x:x + w]
        roi_gray = cv2.resize(roi_gray, (48, 48), interpolation=cv2.INTER_AREA)
        roi_gray = roi_gray.astype('float') / 255.0
        roi_gray = np.expand_dims(roi_gray, axis=0)
        roi_gray = np.expand_dims(roi_gray, axis=-1)
        prediction = model.predict(roi_gray)[0]
        label = np.argmax(prediction)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
        cv2.putText(frame, labels[label], (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (36, 255, 12), 2)
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们使用detectMultiScale()函数检测人脸。我们使用resize()函数将图像大小调整为48x48。我们使用predict()函数进行表情识别。我们使用rectangle()函数在图像上绘制矩形框。我们使用putText()函数在图像上绘制文本。