为提高人脸表情分类的识别率和实时性,提出一种基于卷积神经网络(CNN)局部特征融合的人脸表情识别方法。首先,构建CNN模型,学习眼睛、眉毛、嘴巴3个局部区域的局部特征;然后,将局部特征送入到支持向量机(SVM)多分类器中获取各类特征的后验概率;最后,通过粒子群寻优算法优化各特征的最优融合权值,实现正确率最优的决策级融合,完成表情分类。实验表明,本文方法在CK+和JAFFE数据库的平均识别率分别达到了94.56%和97.08%,与其他识别方法相比,本文方法性能优越,能提高算法的识别率和稳健性,同时保证了算法的实时性。

该程序是为人脸表情识别研究实验人脸预处理阶段而开发的半自动人脸裁剪系统，因为大部分人脸表情数据库都是未经裁剪/裁切的，而去除背景是人脸表情识别预处理的重要一步。网上有很多人脸数据库，但大部分是未经裁剪/人脸裁切处理的，不能直接用于人脸表情识别试验。 该程序是为人脸表情识别研究实验人脸预处理阶段而开发的半自动人脸裁剪/人脸裁切系统，因为大部分人脸数据库都是未经裁剪的，而去除背景是人脸表情识别预处理的重要一步。 图像归一化为64*82大小，归一化方案请参见张一鸣，《人脸表情识别》。采用OpenCV+MFC制作，不提供源代码。用到的同学可以下载。 敬告：因为本程序读取.tif格式图像使用OpenCV函数，而.tif格式本身的复杂性导致没有通用的读取函数，故对有些.tif图像可能会出问题。

基于CNN与关键区域特征的人脸表情识别算法.pdf

基于计算机超图的人脸表情驱动.docx

代码运行效果图见压缩包

采用OPENCV4 VC++开发。表情识别的思路，首先采用KERAS对7个表情进行训练，得到一个模型。训练的表情网络采用mobileNetV2，正确率91.7%，获得的.h5模型转换为.pb文件。其次，得到模型后，用MTCNN检测人脸，做微调，用OPENCV VC++调用检测后的人脸，预测分类，得到表情种类。

日本女性人脸表情图片，用于人脸表情识别

基于PYTHON的人脸表情识别，识别表情包括高兴愤怒等

结合卷积神经网络与OpenCV的人脸表情识别.pdf

通过训练jaffe数据库，实现识别人脸高兴、惊讶、恐惧、生气等六种表情，并圈出。可调用电脑摄像头实时监测。内附有使用说明，可以使用。仅供学习参考。