人脸表情识别系统的设计与实现(含UI界面，有完整代码)
这是之前本科做的毕设，当时使用的是keras搭建了一个简单的神经网络作为入门实现了在fer2013人脸表情数据集上的表情分类，并移植到了树莓派上，但是当时的分类准确率并不高。后来研究生深度学习课程使用pytorch框架又重新做了一下该小项目，使用的数据集是北邮团队的RAF-DB(Real-world Affective Faces Database)中的单一表情数据集，模型使用的是RepVGG，最终在验证集上的准确率是77%左右，仍然有待提高。
代码已经放在我的github，若帮助到大家，希望大家点个星星。
文章目录
1 简介
整个流程大概分为两步：
第一步训练模型阶段，即直接使用人脸表情去训练数据集，然后将训练好的模型保存下来。
第二步是推理阶段，也就是对真实世界的图像中的人脸进行表情的分类，那么这就需要我们先检测出图像中的人脸，然后再对该人脸进行表情的分类，所以推理阶段涉及到两个深度学习小领域：目标检测和物体分类。
整个项目的流程大概如下图所示：
2 数据集
RAF-DB(Real-world Affective Faces Database)，该数据集是由北邮的团队在网络上爬取得到，网址link，有单一表情类数据和复合表情数据集，这里我使用的数据集为单一表情数据集。分为7类，包括Surprised、Fear、Disgust、Happy、Sad、Angry、Neutral，图片形状大小为100×100×3，我自己设置的训练集是12271张，验证集是3086张，测试集是直接使用的现实世界的图片。其中训练集和测试集的样本大概如下。
3 人脸表情特征提取网络
本文使用的是发在CVPR2021年的网络RepVGG，github网址link，该网络模型借鉴了ResNet的残差结构，以一系列的下采样模块构成。与之前大多数CNN网络不同的是在推理阶段，作者采用结构重参数化技术将短路连接和1×1卷积全部转换成3×3的卷积核以加快推理速度，如下图所示。
4 人脸识别网络
在将人脸表情分类网络训练好并转换成推理阶段的网络后，就可以进行在真实图片上的人脸表情识别了。但是在进行表情识别之前，需要我们先将图片中的人脸识别出来，并将其reshape成100×100的图片大小然后输入到推理阶段的RepVGG。因此涉及到目标检测算法，这里我使用的是SSD算法，原因是因为该算法相比其他目标检测算法快速又不失精准。这里是直接调用opencv库中训练好的人脸识别SSD算法实现。
5 结果
最后我使用PyQT5设计了一个GUI界面，如下图所示。
分别有以下几个功能：
5.1 打开图片：
即打开电脑本地上的图片，对图片中的人脸进行表情分类，下面跑一下余文乐和我的合照图(doge)，对其进行表情分类，如下:
可以看到表情的分类在这张图片上还是不错的。
5.2 打开相机：
即打开电脑上自带的摄像头，对视频流中的人脸进行表情的分类，调用摄像头为使用opencv库实现，示例如下
本人就不出镜了，找一张霉霉小时候的照片跑了一下，红色数字代表该表情是happy的概率。在调用摄像头对其中的人脸进行表情识别时，可以实时跟踪视频流中的人脸并实时做出表情的分类，此处就不再演示了。
5.3 绘制曲线：
这里主要是绘制的模型训练过程中检测的各个指标，这里我是在训练模型的时候就直接保存了，此处是直接打开该图片，如下图只显示我调好的模型的损失与精度曲线：
5.4 混淆矩阵：
混淆矩阵是衡量分类任务在各类样本上的准确率情况，横向为预测的表情，纵向为表情的真值，横向概率相加为1，本文只显示模型在验证集上的混淆矩阵情况。
分析该概率矩阵可以看到，模型在Fear和 Disgust类表情上准确率不高，原因可能是这两类表情与其他类表情差距不大，比较难分类，还有可能是这两类图片的个数不多，模型未完全学到该两类表情的特征。
6 总结
使用比较新的网络RepVGG对人脸表情进行了分类，人脸表情数据集使用的是RAF-DB，在验证集上的准确率为77%左右，仍然有所改进。
由于我使用的是RepVGG官方给出的源码(当然也可以采用VGG/ResNet这种比较传统的网络，当时采用RepVGG的原因是觉得作为研究生深度学习课设得有一些新颖的网络，所以用了个比较新的网络)，然后跟我的其他的本项目的程序放在一个项目中了，所以代码搞得有点乱，如果有小伙伴想要本项目的源码，可以私信我，我看到后会积极回复的。
tips：
本项目有一个小bug，就是在调用摄像头时，如果人脸贴的摄像头太近，程序会卡住，不知道是哪里出问题了0.0。以后有时间再改吧，欢迎大家私信与我交流！