目前深度學習很流行，很大程度減輕了影象開發的難度。表情識別是影象演算法的重要研究方向，本文提供一種基於深度學習的表情識別方法。
1，獲取模型
2，檢測人臉並識別表情
人臉檢測有很多方法，比如傳統的haar檢測人臉，深度學習的mtcnn，還有別的一些方法。綜合起來，mtcnn在精度和速度上很有優勢。mtcnn檢測人臉後，人臉寬度比較小，要對人臉寬度進行擴充，對**結果更有好處。當已經得到人臉檢測的區域後，將該區域提取出來，用得到的深度學習模型進行**分類，從而得到人臉表情的種類。
3，**時間和正確率
首先載入模型，然後對資料夾幾十個檔案統計時間求平均值。深度網路載入時間不算進來，只計算每幅圖的人臉檢測和表情識別分類的時間，大概平均每幅圖在70ms左右，採用cpu，2.5ghz，4g記憶體。正確率在90%附近。
效果測試
有一起研究的大神可以加q 2830025146，共同進步
基於深度學習的人臉表情識別
這是一門課程的作業！人臉表情識別，訓練資料使用的是kaggle比賽的fer2013資料集，框架使用的是keras哈 opencv中自帶的人臉識別 pycharm2018.3.5 anaconda5.3.1 python3.7.0 keras2.2.4 tensorflow1.13.1 opencv ...
深度概念 簡述人臉識別開發原理
我們知道人臉識別在這幾年應用相當廣泛，人臉考勤，人臉社交，人臉支付，都有這黑科技的影響，特別這幾年機器學習流行，使得人臉識別在應用和準確率更是達到了乙個較高的水準。下面將帶著大家揭秘下這項黑科技的原理。首先找到一張中的所有人臉。對於每一張臉來說，無論光線明暗或面朝別處，它依舊能夠識別出是同乙個人的臉...
基於主成分分析的人臉識別及表情識別
識別效果 結果分析 按照實驗要求及實驗步驟，我們實驗達到了在不損失更多細節的前提下完成的壓縮以及將壓縮後的進行重構還原 在拓展部分也成功實現了對攝像頭實時捕捉的人臉進行表情識別。心得體會 通過本次實驗，我對pca主程式分析有了一定的認識，在查閱資料和實驗過程中，我了解到本實驗進行的操作，是將資料提取...