opencv表情识别

### 使用OpenCV实现面部表情识别

#### 准备工作
为了使用OpenCV进行面部表情识别，需先安装必要的软件包。这通常涉及Python环境中的`opencv-python`和其他辅助库。

pip install opencv-python numpy scikit-learn

#### 加载并预处理图像
加载待分析的图片或视频流，并对其进行灰度化转换以减少计算复杂度[^1]。

import cv2

# 初始化摄像头捕获对象
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    
    # 将每一帧转为灰度图
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

#### 面部检测
采用Haar级联分类器来定位图像中的人脸位置。此步骤对于后续的表情分析至关重要。

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

faces = face_cascade.detectMultiScale(gray_frame, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
for (x, y, w, h) in faces:
    roi_gray = gray_frame[y:y+h, x:x+w]

#### 表情分类模型训练与应用
可以选用卷积神经网络(CNN)或其他机器学习算法预先训练好的模型来进行表情类别预测。这里假设已经有一个保存好了的情感分类模型文件（如`.xml`格式），可以直接调用来完成表情判断任务。

emotion_classifier = cv2.ml.SVM_load('fer2013_SVM_model.xml')  # 假设已存在一个SVM模型用于情感分类

def predict_emotion(face_image):
    resized_face = cv2.resize(face_image, (48, 48))  # 调整大小至适合输入给定模型的形式
    flattened_face = resized_face.flatten().reshape(-1, 48 * 48).astype(float)
    prediction = emotion_classifier.predict(flattened_face)[1][0]

    emotions = ['Angry', 'Disgust', 'Fear', 'Happy', 'Sad', 'Surprise', 'Neutral']
    return emotions[int(prediction)]

#### 实时显示结果
最后，在原始画面上标注出所检测到的情绪标签，并持续更新直至程序结束运行。

font = cv2.FONT_HERSHEY_SIMPLEX
    
for (x, y, w, h) in faces:
    predicted_emotion = predict_emotion(roi_gray)
        
    # 绘制矩形框标记人脸区域以及对应情绪文字说明
    cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
    cv2.putText(frame, predicted_emotion, (x, y-10), font, 1, (255, 255, 255), 2, cv2.LINE_AA)

cv2.imshow('Face Emotion Recognition', frame)

if cv2.waitKey(1) & 0xFF == ord('q'):
    break

cap.release()
cv2.destroyAllWindows()