OpenCV-Python实战（31）——实时面部情绪检测与识别系统

OpenCV-Python实战（31）——实时面部情绪检测与识别系统0. 前言1. 规划应用程序1. 人脸检测1.1 基于 Haar 的级联分类器1.2 预训练的级联分类器1.3 使用预训练的级联分类器1.4 FaceDetector 类2. 收集数据2.1 构建训练数据集2.2 运行应用程序2.3 实现数据收集器 GUI3. 面部情绪识别3.1 处理数据集3.2 多层感知机3.3 构建 MLP用于面部表情识别4. 整合所有内容小结系列链接0. 前言我们已经熟悉了目标检测和目标识别的概念。在本节中，我们将开发一个能同时完成这两项任务的应用程序。该应用能够在摄像头实时画面的每一帧中检测人物面部，识别面部情绪，并在图形用户界面 (Graphical User Interface,GUI) 上标注出来。本节的目标是开发一个应用，将人脸检测与人脸识别相结合，重点是对检测到的人脸进行情绪表达识别。读完本节后，我们将能够在自己的不同应用中使用人脸检测和人脸识别技术。我们将学习OpenCV自带的两种经典算法——Haar级联分类器和多层感知机 (Multi-Layer Perceptron,MLP)。前者可用于快速检测(即定位，回答“在哪里？”的问题)图像中不同尺寸和方向的目标，而后者可用于识别它们(即辨认，回答“是什么？”的问题)。学习MLP也是迈向学习当今最热门算法之一——深度神经网络 (Deep Neural Network, DNN) 的第一步。当数据量不大时，我们将使用主成分分析 (Principal Component Analysis,PCA) 来加速算法并提高其精度，从而改进我们的模型。我们将自行收集训练数据，以展示这一过程的具体做法，从而能够为那些尚无现成数据的任务训练机器学习模型，缺乏合适的数据仍然是当今机