python3＋dlib人臉識別及情緒分析

識別規則

1、嘴巴張開距離占面部識別框寬度的比例越大，說明情緒越激動，可能是非常開心，也可能是極度憤怒。

2、眉毛上揚，17-21 或者 22-26 號特徵點距離面部識別框頂部與識別框高度的比值越小，說明眉毛上揚越厲害，可表示驚訝、開心。眉毛的傾斜角度，開心時眉毛一般是上揚，憤怒時皺眉，同時眉毛下壓的比較厲害。

3、眯眼睛，人在開懷大笑的時候會不自覺的眯起眼睛，憤怒或者驚訝的時候會瞪大眼睛。

系統缺點：不能捕捉細微表情的變化，只能大致的判斷出人的情緒，開心、憤怒、驚訝、自然。

系統優點：結構簡單，易於上手。

應用領域：微笑抓拍，捕捉瞬間的美好、緩解兒童自閉症、互動式遊戲開發。

由於人感情的複雜性，這些表情確實不能完完全全的代表一個人內心深處的情緒波動，如要提高判斷的準確性，則需要心率檢測、語音處理等綜合評價。

開發環境搭建

1、安裝VS2015，因為最新版的dlib-19.10需要這個版本的vscode

2、安裝opencv（whl方式安裝）：

從pythonlibs下載需要的版本whl文件，比如（opencv_python?3.3.0+contrib?cp36?cp36m?win_amd64.whl）

然後在本地使用pip install 安裝。 注意文件位置下安裝(如：C:downloadxxx.whl)

3、安裝dlib（whl方式安裝）：

在這裡下載dlib的各種版本的whl文件，然後在根目錄下打開cmd直接安裝即可。

但是為了學習使用dlib中的各種python實常式序，還是需要下載一個dlib的壓縮包。

直接訪問dlib官網即可下載：http://dlib.net/ml.html

dlib各種版本的whl文件：https://pypi.python.org/simple/dlib/

4、如果想要使用人臉模型特徵標定的話，還需要一個人臉面部形狀預測器，這個可以通過自己的照片進行訓練，也可以使用dlib作者給出的一個訓練好的預測器：

實施思路

具體步驟

首先是利用dlib進行人臉識別：

然後實例化一個 shape_predictor 對象，使用dlib作者訓練好人臉特徵檢測器，進行人臉的特徵點標定。

標定的時候使用opencv的circle方法，在特徵點的坐標上面添加水印，內容就是特徵點的序號和位置。

到此，68個特徵點的信息就獲取到了，下面就需要跟根據這個68個特徵點的坐標信息，進行綜合 計算，作為每個表情的判斷指標。

根據上面說到的我的判斷指標，先計算嘴巴的張開比例，由於人離攝像頭距離的遠近，導致人臉識別框的大小不一，故選擇比例來作為判斷指標。

在選擇指標的標準數值之前，先對多個開心的人臉照片進行分析。計算開心時的嘴巴張卡比例的平均。

下面是截取對人眉毛的數據處理方法，對左邊眉毛上面的5個特徵點進行線性擬合，擬合出一個一次函數直線，用擬合直線的斜率近似代表眉毛的傾斜程度。

我計算了25個人臉的開心表情的嘴巴張開比例、嘴巴寬度、眼睛張開程度、眉毛傾斜程度，導入excel表格生成折線圖：

通過折線圖能很明顯的看出什麼參數可以使用，什麼參數的可信度不高，什麼參數在那個範圍內可以作為一個指標。

同樣的方法，計算人憤怒、驚訝、自然時的數據折線圖。

通過對多個不同表情數據的分析，得出每個指標的參考值，可以寫出簡單的表情分類標準：

識別之後：

源代碼：

獲取源碼

作者：Andrew_qian

源自：www.cnblogs.com/qsyll0916/p/8893790.html

聲明：文章著作權歸作者所有，如有侵權，請聯繫小編刪除

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！