python人脸情绪识别

Python可以使用OpenCV和Dlib等库实现人脸情绪识别。以下是一个使用OpenCV和Keras库实现人脸情绪识别的示例代码：

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

# 加载人脸检测器和情绪识别模型
face_classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
emotion_classifier = load_model('emotion_model.h5')

# 定义情绪标签
emotion_labels = ['Angry', 'Disgust', 'Fear', 'Happy', 'Sad', 'Surprise', 'Neutral']

# 使用摄像头捕获视频
cap = cv2.VideoCapture(0)

while True:
    # 读取视频帧
    ret, frame = cap.read()
    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # 检测人脸
    faces = face_classifier.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
    # 对每个人脸进行情绪识别
    for (x, y, w, h) in faces:
        # 提取人脸图像
        face_image = gray[y:y+h, x:x+w]
        # 缩放图像大小
        face_image = cv2.resize(face_image, (48, 48))
        # 归一化像素值
        face_image = face_image / 255.0
        # 转换为4D张量
        face_image = np.expand_dims(face_image, axis=0)
        face_image = np.expand_dims(face_image, axis=-1)
        # 进行情绪识别
        emotion_prediction = emotion_classifier.predict(face_image)[0]
        # 获取最大概率所对应的情绪标签
        emotion_label = emotion_labels[np.argmax(emotion_prediction)]
        # 在视频帧上绘制人脸和情绪标签
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        cv2.putText(frame, emotion_label, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
    # 显示处理后的视频帧
    cv2.imshow('Emotion Detection', frame)
    # 按下q键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()

注意，以上代码需要使用预先训练好的情绪识别模型，可以在网上下载现成的模型文件（如本例中的emotion_model.h5），也可以自己训练模型。