基于多尺度细节增强的面部表情识别方法

为了提高情感可视化的鲁棒性，该文提出了一种面向语音与面部表情信号的情感可视化方法。首先对获取的情感信号进行特征提取，并将其作为神经网络的输入，神经网络的输出即为相应的图案信息，然后通过图像生成模块生成可视化图像，实现对中性、高兴、愤怒、惊奇、悲伤和恐惧六种人类基本情感的可视化。该方法通过组合不同模式的情感特征进入一幅图像中，为人们创造了情感的可读模式，可以直观地展示情感的分类结果。仿真实验结果表明，仅通过语音信号进行可视化的平均正确率是78.0%，而通过该文方法的平均正确率是91.8%，具有良好的鲁棒性和易懂性。

iPhoneX （若是其它有前置深度摄像头的iPhone版本，需要在客户端代码里更改所支持的iPhone版本）面部表情捕捉，利用 TCP 通讯（局域网）把面部表情数据传入到 PC 端，驱动 PC 端 Unity 中的模型，进行表情显示。 另外 iPhone 端程序生成，需要用到 MacOS Xcode。

代码基于python3和opencv框架，可能需要安装所需的module； 功能描述 --实现笔记本摄像头获取人脸的面部表情识别，happy，angry，neural，sad.. --实现指定路径下视频中人脸的识别.. 验证成功，未做改动，源自github