还记得我们之前写过一篇文章《手把手教你人脸识别自动开机》吗？其中，利用OpenCV进行简单的人脸识别，从而训练计算机识别特定的人，进而识别物体。今天，让我们做一些高级的事情，识别人脸的情绪。本文分为两部分：1.人脸检测：检测图像的人脸位置，并输出边界框坐标2.情绪检测：将人脸的情绪分为高兴、愤怒、悲伤、中性、惊讶，厌恶和恐惧。1、人脸检测可以使用上篇文章（《手把手教你人脸识别自动开机》）中提到的方法——使用openCV检测，或者使用face_recognition项目，实现人脸检测非常简单。这里我们尝试face_recognition项目，face_recognition安装：Face_recognition需要一个叫dlib的包，可能无法通过pip安装，所以这里推荐大家使用anaconda安装dlib：condainstall-cconda-forgedlib然后安装Face_recognition：pipinstallface_recognition使用face_recognition三行代码识别图片中的人脸：importface_recognitionimage=face_recognition.load_image_file("1.png")face_locations=face_recognition.face_locations(image)2.情感检测文字提示，电脑也可以吗？答案是肯定的，但它需要经过训练才能识别情绪。今天我们不太可能谈论收集数据和构建CNN模型等逻辑过程。我们直接使用priya-dwivedi训练的模型，他用Kaggle开源数据集（FaceEmotionRecognitionFER）训练了一个六层卷积神经网络模型。现在调用模型识别这张图片中孙哥的情绪：importface_recognitionimportnumpyasnpimportcv2fromkeras.modelsimportload_modelemotion_dict={'angry':0,'sad':5,'neutral':4,'Disgust':1,'surprise':6,'fear':2,'happy':3}image=face_recognition.load_image_file("1.png")#loadimageface_locations=face_recognition.face_locations(image)#找人脸处top,right,bottom,left=face_locations[0]#framethefaceface_image=image[top:bottom,left:right]face_image=cv2.resize(face_image,(48,48))face_image=cv2.cvtColor(face_image,cv2.COLOR_BGR2GRAY)face_image人脸图像=np.reshape(face_image,[1,face_image.shape[0],face_image.shape[1],1])#调整为可以进入模型输入的大小model=load_model("./model_v6_23.hdf5")#加载模型predicted_class=np.argmax(model.predict(face_image))#分类情感label_map=dict((v,k)fork,vinemotion_dict.items())predicted_label=label_map[predicted_class]#输出情感print(预测cted_label)根据情绪映射表得到的结果：$pythonemotion.pyhappy从下面终端的输出结果可以看出孙哥现在心情很开心，这个结果应该是正确的（毕竟孙哥还是和他说的一样）的）。虽然简单，但还是建议有兴趣的同学从头到尾尝试一下。过程中会遇到很多坑，百度谷歌慢慢解决。文章到此结束。如果喜欢今天的Python教程，请继续关注Python实战宝典。如果对您有帮助，请点击下方的赞/观看。如果您有任何问题，可以在下方留言区留言。我们会耐心解答！Python实战宝典（pythondict.com）不只是一个合集欢迎关注公众号：Python实战宝典原文来自Python实战宝典：Python面部表情识别
