学习的程序：https://github.com/xionghc/Facial-Expression-Recognition
1，image.shape返回的是图片的行数，列数，色彩通道数。
注意：参考：https://blog.csdn.net/qingyuanluofeng/article/details/51568741
（1）行数对应坐标轴上的y,即图像的高度
（2）列数对应坐标轴上的x，即图像的宽度
（3）所以shape返回的是（高度，宽度）=（y,x）
2，
faces=cascade_classifier.detectMultiScale(image,scaleFactor=1.3,minNeighbors=3)https://blog.csdn.net/cooli7wa/article/details/53959195
简单理解就是将输入图像和训练好的图像进行图像匹配。待。。。
（1）image：我们要输入的图像
（2）scaleFactor=1.3：缩小图像的比例
（3）minNeighbors=3：是匹配成功所需要的周围矩形框的数目，每一个特征匹配到的区域都是一个矩形框，只有同时多个矩形框同时存在的时候，才认为是匹配成功。比如人脸，这个默认值是3.
3，https://www.cnblogs.com/neo-T/p/6430583.html
以上博文对 cascade_classifier.detectMultiScale讲的挺好的。
x, y, w, h = faceRect所以在faces里面包含的是这四个数据
4，face_x = tf.placeholder(tf.float32, [None, 2304]) #定义数据类型
shape：这里定义的的是2304列，行不定
参考文章https://blog.csdn.net/cc1949/article/details/78364615?locationNum=4&fps=1
5，softmax（多分类的归一化）
http://ufldl.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92
发现了一个高级的网站
6，saver = tf.train.Saver()
https://blog.csdn.net/qiqiaiairen/article/details/53184216
就是保存模型的参数
7,
ckpt = tf.train.get_checkpoint_state(modelPath)
https://blog.csdn.net/changeforeve/article/details/80268522
#通过checkpoint文件找到模型文件名
8,sess = tf.Session()
https://blog.csdn.net/Enchanted_ZhouH/article/details/77571939
徐其华的博客讲的很详细：https://www.cnblogs.com/denny402/p/6940134.html
创建一个会话，当上下文管理器退出时，会话关闭和资源释放都是自动完成的。
但是，tf.Session().as_default()。是当上下文管理器退出时，会话没有关闭，那么还可以通过调用会话进行run和eaval（）操作
9，saver.restore(sess, ckpt.model_checkpoint_path)#模型的恢复
徐其华的博客讲的很详细：https://www.cnblogs.com/denny402/p/6940134.html
10，cv2.putText(frame, emotion, (10, index * 20 + 20), cv2.FONT_HERSHEY_PLAIN, 0.5, (0, 255, 0), 1)
这个就是要在图片上写上字。
参考文章：https://blog.csdn.net/gan_player/article/details/78155283?utm_source=debugrun&utm_medium=referral
11，报错：没有len(image.shape) > 2 and image.shape[2] == 3中的shape类型。
结果插上摄像头他就好了。
12，按下“p”键，他没有退出。可能是因为对齐方式不对。