基于深度学习的情绪识别检测系统【完整版】

        最近很多小伙伴都在咨询，关于基于深度学习和神经网络算法的情绪识别检测系统。回顾往期文章【点击这里】，介绍了关于人脸数据的预处理和模型训练，这里就不在赘述。今天，将详细讲解如何从零基础手写情绪检测算法和情绪检测系统。主页有我联系方式。

一、什么是情绪识别？有哪些方法？

        情绪识别是指通过分析人类的各种表达方式，如面部表情、语音语调、生理信号或文字内容，来识别和理解个体当前情绪状态的技术。它是人工智能、心理学和计算机科学交叉领域的重要研究方向。

1.1情绪识别的基本概念

       情绪识别(Emotion Recognition)是情感计算(Affective Computing)的核心组成部分，旨在使计算机系统能够像人类一样感知、理解和响应人类情绪。这项技术基于心理学中的情绪理论，特别是Paul Ekman提出的基本情绪理论，该理论认为人类有六种基本情绪：快乐、悲伤、愤怒、恐惧、惊讶和厌恶。现代情绪识别系统通常采用多模态方法，结合多种数据源来提高识别准确性。情绪识别技术已广泛应用于人机交互、心理健康、教育、市场营销和安防等多个领域。

1.2情绪识别的主要方法

1. 2.1基于面部表情的识别

这是最常见的情绪识别方法，通过分析人脸图像或视频中的面部肌肉运动来识别情绪。主要步骤包括：

• 人脸检测：定位图像中的人脸区域
• 特征提取：提取面部关键点、纹理或运动特征
• 表情分类：使用机器学习算法将特征映射到特定情绪

常用的技术包括主动外观模型(AAM)、局部二值模式(LBP)和深度卷积神经网络(CNN)。

1.2.2 基于语音的识别

通过分析语音信号中的声学特征来识别说话者的情绪状态。重要的语音特征包括：

• 基频(音高)及其变化
• 语音能量(响度)
• 语速和节奏
• 频谱特征(如梅尔频率倒谱系数MFCC)

语音情绪识别在客服系统和语音助手中有重要应用。

1.2.3 基于生理信号的识别

通过测量人体生理指标来识别情绪状态，常用的生理信号包括：

• 脑电图(EEG)
• 心电图(ECG)
• 皮肤电活动(EDA)
• 肌电图(EMG)

这种方法虽然准确度高，但需要接触式传感器，应用场景受限。

1.2.4 基于文本的识别

分析书面或口头文字内容中的情感倾向，主要技术包括：

• 情感词典方法
• 机器学习方法(如SVM、随机森林)
• 深度学习方法(如LSTM、Transformer)

广泛应用于社交媒体监控、产品评论分析和客服聊天机器人等领域。

1.3情绪识别的技术挑战

尽管情绪识别技术取得了显著进展，但仍面临多个挑战：

• 情绪的主观性和复杂性：人类情绪往往是混合的、微妙的且具有文化差异性
• 数据获取的困难：高质量的情绪标注数据难以获取，且标注过程本身具有主观性
• 个体差异性：不同人表达情绪的方式存在显著差异
• 环境干扰：在实际应用中，光照条件、背景噪声等因素会影响识别效果
• 隐私和伦理问题：情绪识别可能涉及个人隐私保护问题

1.4 情绪识别的应用领域

情绪识别技术已在多个领域展现出重要价值：

• 心理健康：抑郁症、焦虑症等精神疾病的早期筛查和辅助治疗
• 智能教育：根据学生情绪状态调整教学内容和节奏
• 智能客服：识别客户情绪并提供相应服务
• 人机交互：使机器人或虚拟助手能够更自然地与人类互动
• 市场研究：分析消费者对产品或广告的情绪反应
• 安防领域：机场、边境等场所的可疑人员情绪识别

二、算法设计与对比

 先看表格：

以下是基于公开数据集和算法的人脸情绪识别精度对比表格，结合了传统机器学习、深度学习及最新研究成果：

算法	数据集	情绪类别	准确率	预处理方法	数据增强	发表年份 / 来源
传统方法
SVM + AAM	CK+	7 类	94.5%	灰度化、对齐、归一化（减去中性帧特征）	无	Cohn-Kanade 扩展数据集研究9
K-NN + LBP	JAFFE	7 类	92.3%	直方图均衡化、LBP 特征提取	无	经典图像处理方法3
深度学习
CNN（定制架构）	FER-2013	7 类	73.53%	灰度化、48x48 裁剪、像素归一化（0-1）	翻转、旋转	华南师范大学学报12
VGG-16（微调）	FER-2013	7 类	65.52%	灰度化、48x48 缩放、ImageNet 均值归一化	无	CSDN 博客2
ResNet-50（微调）	FER-2013	7 类	67.53%	同上	无	CSDN 博客2
Inception-V3（微调）	FER-2013	7 类	63.86%	灰度化、48x48 缩放、ImageNet 均值归一化	无	GitHub 项目13
LSTM+ CNN	CK+	7 类	96.2%	视频序列帧对齐、灰度化	时间扭曲	CSDN 博客11
最新模型
QWTR（四元数小波 Transformer）	AffectNet	8 类	68.37%	多尺度小波变换、归一化	颜色抖动	IEEE Transactions on Multimedia10
OCNN（优化 CNN）	RAF-DB	7 类	88.50%	人脸检测（RFB-320）、64x64 裁剪、归一化	无	华南师范大学学报12
多模态融合（音频 + 视觉）	RAVDESS	8 类	86.70%	视觉：动作单元提取；音频：Wav2Vec2.0 特征提取	无	CSDN 博客1
迁移学习
FaceNet（微调）	CK+	7 类	93.8%	对齐、归一化（0-1）	无	Papers With Code21
DeepFace（微调）	JAFFE	7 类	95.1%	3D 对齐、颜色归一化	无	对比研究20
其他方法
WSCNet	CK+	7 类	98.9%	灰度化、对齐	无	CSDN 博客2
基于注意力的 CNN	JAFFE	7 类	97.2%	人脸检测（Haar 级联）、64x64 裁剪、归一化	翻转、裁剪	CSDN 博客11

数据集说明

1. FER-2013

   • 样本量：35,887 张（48x48 灰度图）
   • 情绪类别：愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性
   • 特点：包含自然场景和实验室环境，人类准确率约 65%±5%48。

2. CK+

   • 样本量：593 个视频序列（峰值帧标注）
   • 情绪类别：愤怒、轻蔑、厌恶、恐惧、快乐、悲伤、惊讶
   • 特点：实验室控制环境，FACS 编码验证，常用于基准测试921。

3. JAFFE

   • 样本量：213 张（10 人）
   • 情绪类别：快乐、悲伤、惊讶、愤怒、厌恶、恐惧、中性
   • 特点：小规模但高分辨率，常用于早期算法验证11。

4. AffectNet

   • 样本量：45 万 + 张（野生环境）
   • 情绪类别：中性、快乐、愤怒、悲伤、恐惧、惊讶、厌恶、轻蔑
   • 特点：包含种族、年龄多样性，标注 valence/arousal 维度1516。

5. RAF-DB

   • 样本量：15,339 张（自然场景）
   • 情绪类别：7 类基本情绪 + 复合情绪
   • 特点：包含多角度和遮挡情况，适合复杂场景测试12。

6. RAVDESS

   • 样本量：7,356 个视频（实验室控制）
   • 情绪类别：8 类（如平静、快乐、悲伤）
   • 特点：多模态（音频 + 视觉），用于跨模态研究1。

关键发现

1. 模型性能

   • 传统方法：SVM 在 CK + 上表现优异（94.5%），但依赖手工特征（如 AAM）。
   • 深度学习：CNN 在 FER-2013 上准确率约 73%-85%，ResNet 和 Inception 在微调后表现稳定。
   • 最新模型：QWTR 在 AffectNet 上刷新记录（68.37%），多模态融合在 RAVDESS 上显著提升至 86.7%。
   • 迁移学习：FaceNet 和 DeepFace 在 CK + 和 JAFFE 上表现接近人类水平（>93%）。

2. 数据集影响

   • 实验室数据集（CK+、JAFFE）：算法准确率普遍较高（>90%），但泛化能力有限。
   • 野生数据集（AffectNet、RAF-DB）：准确率较低（68%-88%），需更强鲁棒性模型。

3. 预处理与增强

   • 数据增强（如翻转、旋转）可提升 FER-2013 准确率 5%-10%2325。
   • 归一化（如 ImageNet 均值）对微调模型至关重要，可避免梯度消失213。

4. 多模态优势

   • 音频 + 视觉融合在 RAVDESS 上提升准确率超 10%，证明互补信息的重要性1。

局限性

• 数据偏差：部分数据集（如 JAFFE）样本量小且缺乏多样性，可能导致过拟合。
• 预处理差异：不同研究的人脸检测、对齐方法不同，直接对比需谨慎。
• 实时性：复杂模型（如 Transformer）计算成本高，难以部署于边缘设备。

以上便是数据的对比和算法的比较，各有所长吧！其实核心在于原理的理解，多数情况下需要我们结合数据再自行调整。并不是直接搬用！包括算法的优化和数据的调整，特别是训练模型的方法策略，这里我主要讲一下，关于前期文章提到的三种算法：CNN、VGG、ResNet。

以下是三种算法的核心代码：

(1) CNN【卷积神经网络】

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import transforms, datasets, models
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt# 设备配置
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# 数据预处理
transform = transforms.Compose([transforms.Resize((48, 48)),  # 标准情绪识别输入尺寸transforms.Grayscale(),        # 多数研究使用灰度图像transforms.ToTensor(),transforms.Normalize(mean=[0.5], std=[0.5])
])# 加载数据集（以FER2013为例）
train_dataset = datasets.ImageFolder(root='data/train', transform=transform)
test_dataset = datasets.ImageFolder(root='data/test', transform=transform)# 数据加载器
batch_size = 64
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)# 定义CNN模型
class EmotionCNN(nn.Module):def __init__(self, num_classes=7):super(EmotionCNN, self).__init__()# 卷积层块1self.conv1 = nn.Conv2d(1, 64, kernel_size=3, padding=1)self.bn1 = nn.BatchNorm2d(64)self.relu1 = nn.ReLU()self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)# 卷积层块2self.conv2 = nn.Conv2d(64, 128, kernel_size=3, padding=1)self.bn2 = nn.BatchNorm2d(128)self.relu2 = nn.ReLU()self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)# 卷积层块3self.conv3 = nn.Conv2d(128, 256, kernel_size=3, padding=1)self.bn3 = nn.BatchNorm2d(256)self.relu3 = nn.ReLU()self.pool3 = nn.MaxPool2d(kernel_size=2, stride=2)# 全连接层self.fc1 = nn.Linear(256*6*6, 1024)  # 经过3次池化后尺寸计算：(48/2^3)=6self.dropout = nn.Dropout(0.5)self.fc2 = nn.Linear(1024, num_classes)def forward(self, x):x = self.pool1(self.relu1(self.bn1(self.conv1(x))))x = self.pool2(self.relu2(self.bn2(self.conv2(x))))x = self.pool3(self.relu3(self.bn3(self.conv3(x))))x = x.view(x.size(0), -1)  # 展平x = self.dropout(F.relu(self.fc1(x)))x = self.fc2(x)return x# 初始化模型
model = EmotionCNN(num_classes=7).to(device)# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)# 训练函数
def train(model, dataloader, criterion, optimizer, epoch):model.train()running_loss = 0.0correct = 0total = 0for i, (inputs, labels) in enumerate(dataloader):inputs, labels = inputs.to(device), labels.to(device)optimizer.zero_grad()outputs = model(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()running_loss += loss.item()_, predicted = torch.max(outputs.data, 1)total += labels.size(0)correct += (predicted == labels).sum().item()if i % 100 == 99:print(f'Epoch {epoch}, Batch {i+1}, Loss: {running_loss/100:.4f}')running_loss = 0.0train_acc = 100 * correct / totalprint(f'Epoch {epoch} Training Accuracy: {train_acc:.2f}%')return train_acc# 测试函数
def test(model, dataloader, criterion):model.eval()test_loss = 0.0correct = 0total = 0with torch.no_grad():for inputs, labels in dataloader:inputs, labels = inputs.to(device), labels.to(device)outputs = model(inputs)loss = criterion(outputs, labels)test_loss += loss.item()_, predicted = torch.max(outputs.data, 1)total += labels.size(0)correct += (predicted == labels).sum().item()test_acc = 100 * correct / totalprint(f'Test Accuracy: {test_acc:.2f}%, Test Loss: {test_loss/len(dataloader):.4f}')return test_acc# 训练循环
num_epochs = 20
train_accs = []
test_accs = []for epoch in range(1, num_epochs+1):train_acc = train(model, train_loader, criterion, optimizer, epoch)test_acc = test(model, test_loader, criterion)scheduler.step()train_accs.append(train_acc)test_accs.append(test_acc)# 保存模型
torch.save(model.state_dict(), 'emotion_cnn.pth')# 绘制训练曲线
plt.plot(range(1, num_epochs+1), train_accs, label='Train Accuracy')
plt.plot(range(1, num_epochs+1), test_accs, label='Test Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy (%)')
plt.legend()
plt.show()

 基于ResNet的改进实现

这里主要是想试试改进后识别的准确率会不会提升，感兴趣的小伙伴可以试试
 

class ResidualBlock(nn.Module):def __init__(self, in_channels, out_channels, stride=1):super(ResidualBlock, self).__init__()self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1)self.bn1 = nn.BatchNorm2d(out_channels)self.relu = nn.ReLU()self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, padding=1)self.bn2 = nn.BatchNorm2d(out_channels)self.shortcut = nn.Sequential()if stride != 1 or in_channels != out_channels:self.shortcut = nn.Sequential(nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=stride),nn.BatchNorm2d(out_channels))def forward(self, x):residual = xout = self.relu(self.bn1(self.conv1(x)))out = self.bn2(self.conv2(out)))out += self.shortcut(residual)out = self.relu(out)return outclass EmotionResNet(nn.Module):def __init__(self, num_classes=7):super(EmotionResNet, self).__init__()self.in_channels = 64self.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3)self.bn1 = nn.BatchNorm2d(64)self.relu = nn.ReLU()self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)# 残差块self.layer1 = self.make_layer(64, 2, stride=1)self.layer2 = self.make_layer(128, 2, stride=2)self.layer3 = self.make_layer(256, 2, stride=2)# 全局平均池化self.avgpool = nn.AdaptiveAvgPool2d((1, 1))self.fc = nn.Linear(256, num_classes)def make_layer(self, out_channels, blocks, stride):layers = []layers.append(ResidualBlock(self.in_channels, out_channels, stride))self.in_channels = out_channelsfor _ in range(1, blocks):layers.append(ResidualBlock(out_channels, out_channels))return nn.Sequential(*layers)def forward(self, x):x = self.maxpool(self.relu(self.bn1(self.conv1(x))))x = self.layer1(x)x = self.layer2(x)x = self.layer3(x)x = self.avgpool(x)x = x.view(x.size(0), -1)x = self.fc(x)return x

VGG 是一种经典的深度卷积神经网络架构，由牛津大学视觉几何组（Visual Geometry Group）提出。使用VGG架构，包含数据加载、模型训练、评估和预测，以下是使用 VGG 架构实现人脸情绪识别的完整代码示例：

import os
import numpy as np
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms, models, datasets
import matplotlib.pyplot as plt
from PIL import Image
from sklearn.metrics import confusion_matrix, classification_report
import seaborn as sns
import time
import copy# 1. 设备配置和随机种子设置
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
torch.manual_seed(42)
np.random.seed(42)# 2. 数据集配置
class EmotionDataset(Dataset):"""自定义数据集类，支持数据增强"""def __init__(self, data_dir, transform=None, mode='train'):self.data_dir = data_dirself.transform = transformself.mode = modeself.classes = ['angry', 'disgust', 'fear', 'happy', 'sad', 'surprise', 'neutral']self.class_to_idx = {cls: i for i, cls in enumerate(self.classes)}self.images = self._load_images()def _load_images(self):images = []for class_name in self.classes:class_dir = os.path.join(self.data_dir, self.mode, class_name)for img_name in os.listdir(class_dir):if img_name.endswith(('.jpg', '.png', '.jpeg')):img_path = os.path.join(class_dir, img_name)images.append((img_path, self.class_to_idx[class_name]))return imagesdef __len__(self):return len(self.images)def __getitem__(self, idx):img_path, label = self.images[idx]image = Image.open(img_path).convert('L')  # 转为灰度if self.transform:image = self.transform(image)return image, label# 3. 数据预处理和增强
def get_transforms():# 训练集增强train_transform = transforms.Compose([transforms.Resize((224, 224)),transforms.RandomHorizontalFlip(),transforms.RandomRotation(10),transforms.ColorJitter(brightness=0.2, contrast=0.2),transforms.ToTensor(),transforms.Normalize(mean=[0.5], std=[0.5])])# 验证/测试集变换val_transform = transforms.Compose([transforms.Resize((224, 224)),transforms.ToTensor(),transforms.Normalize(mean=[0.5], std=[0.5])])return train_transform, val_transform# 4. 数据加载
def prepare_dataloaders(data_dir, batch_size=32):train_transform, val_transform = get_transforms()# 创建数据集train_dataset = EmotionDataset(data_dir, transform=train_transform, mode='train')val_dataset = EmotionDataset(data_dir, transform=val_transform, mode='validation')test_dataset = EmotionDataset(data_dir, transform=val_transform, mode='test')# 创建数据加载器train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True, num_workers=4)val_loader = DataLoader(val_dataset, batch_size=batch_size, shuffle=False, num_workers=4)test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False, num_workers=4)return train_loader, val_loader, test_loader# 5. VGG模型定义
class VGGEmotion(nn.Module):def __init__(self, num_classes=7, pretrained=True):super(VGGEmotion, self).__init__()# 加载预训练VGG16vgg = models.vgg16(pretrained=pretrained)# 修改第一层卷积（原始为3通道，我们使用灰度图）vgg.features[0] = nn.Conv2d(1, 64, kernel_size=3, padding=1)# 使用VGG的特征提取部分self.features = vgg.features# 自定义分类器self.classifier = nn.Sequential(nn.Linear(512 * 7 * 7, 4096),nn.ReLU(True),nn.Dropout(0.5),nn.Linear(4096, 4096),nn.ReLU(True),nn.Dropout(0.5),nn.Linear(4096, num_classes),)# 初始化权重self._initialize_weights()def forward(self, x):x = self.features(x)x = torch.flatten(x, 1)x = self.classifier(x)return xdef _initialize_weights(self):for m in self.modules():if isinstance(m, nn.Conv2d):nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')if m.bias is not None:nn.init.constant_(m.bias, 0)elif isinstance(m, nn.BatchNorm2d):nn.init.constant_(m.weight, 1)nn.init.constant_(m.bias, 0)elif isinstance(m, nn.Linear):nn.init.normal_(m.weight, 0, 0.01)nn.init.constant_(m.bias, 0)# 6. 训练和验证函数
def train_model(model, dataloaders, criterion, optimizer, scheduler, num_epochs=25):since = time.time()best_model_wts = copy.deepcopy(model.state_dict())best_acc = 0.0# 记录训练过程history = {'train_loss': [],'train_acc': [],'val_loss': [],'val_acc': []}for epoch in range(num_epochs):print(f'Epoch {epoch}/{num_epochs-1}')print('-' * 10)# 每个epoch都有训练和验证阶段for phase in ['train', 'val']:if phase == 'train':model.train()else:model.eval()running_loss = 0.0running_corrects = 0# 迭代数据for inputs, labels in dataloaders[phase]:inputs = inputs.to(device)labels = labels.to(device)# 梯度清零optimizer.zero_grad()# 前向传播with torch.set_grad_enabled(phase == 'train'):outputs = model(inputs)_, preds = torch.max(outputs, 1)loss = criterion(outputs, labels)# 反向传播+优化仅在训练阶段if phase == 'train':loss.backward()optimizer.step()# 统计running_loss += loss.item() * inputs.size(0)running_corrects += torch.sum(preds == labels.data)if phase == 'train':scheduler.step()epoch_loss = running_loss / len(dataloaders[phase].dataset)epoch_acc = running_corrects.double() / len(dataloaders[phase].dataset)# 记录历史if phase == 'train':history['train_loss'].append(epoch_loss)history['train_acc'].append(epoch_acc)else:history['val_loss'].append(epoch_loss)history['val_acc'].append(epoch_acc)print(f'{phase} Loss: {epoch_loss:.4f} Acc: {epoch_acc:.4f}')# 深度复制模型if phase == 'val' and epoch_acc > best_acc:best_acc = epoch_accbest_model_wts = copy.deepcopy(model.state_dict())print()time_elapsed = time.time() - sinceprint(f'Training complete in {time_elapsed // 60:.0f}m {time_elapsed % 60:.0f}s')print(f'Best val Acc: {best_acc:.4f}')# 加载最佳模型权重model.load_state_dict(best_model_wts)return model, history# 7. 评估函数
def evaluate_model(model, test_loader):model.eval()all_preds = []all_labels = []with torch.no_grad():for inputs, labels in test_loader:inputs = inputs.to(device)labels = labels.to(device)outputs = model(inputs)_, preds = torch.max(outputs, 1)all_preds.extend(preds.cpu().numpy())all_labels.extend(labels.cpu().numpy())# 计算混淆矩阵cm = confusion_matrix(all_labels, all_preds)plt.figure(figsize=(10, 8))sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=emotion_labels, yticklabels=emotion_labels)plt.xlabel('Predicted')plt.ylabel('True')plt.title('Confusion Matrix')plt.show()# 分类报告print(classification_report(all_labels, all_preds, target_names=emotion_labels))return cm# 8. 可视化训练过程
def plot_training_history(history):plt.figure(figsize=(12, 5))# 绘制损失曲线plt.subplot(1, 2, 1)plt.plot(history['train_loss'], label='Train Loss')plt.plot(history['val_loss'], label='Validation Loss')plt.title('Training and Validation Loss')plt.xlabel('Epoch')plt.ylabel('Loss')plt.legend()# 绘制准确率曲线plt.subplot(1, 2, 2)plt.plot(history['train_acc'], label='Train Accuracy')plt.plot(history['val_acc'], label='Validation Accuracy')plt.title('Training and Validation Accuracy')plt.xlabel('Epoch')plt.ylabel('Accuracy')plt.legend()plt.tight_layout()plt.show()# 9. 主函数
def main():# 参数设置data_dir = 'path_to_your_dataset'  # 替换为你的数据集路径batch_size = 32num_epochs = 30num_classes = 7emotion_labels = ['angry', 'disgust', 'fear', 'happy', 'sad', 'surprise', 'neutral']# 准备数据train_loader, val_loader, test_loader = prepare_dataloaders(data_dir, batch_size)dataloaders = {'train': train_loader, 'val': val_loader}# 初始化模型model = VGGEmotion(num_classes=num_classes).to(device)# 定义损失函数和优化器criterion = nn.CrossEntropyLoss()optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9, weight_decay=1e-4)# 学习率调度器scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=7, gamma=0.1)# 训练模型model, history = train_model(model, dataloaders, criterion, optimizer, scheduler, num_epochs)# 评估模型print("Evaluating on test set...")cm = evaluate_model(model, test_loader)# 可视化训练过程plot_training_history(history)# 保存模型torch.save(model.state_dict(), 'emotion_vgg.pth')print("Model saved as emotion_vgg.pth")if __name__ == '__main__':main()# 10. 预测函数（单独使用）
def predict_emotion(image_path, model_path='emotion_vgg.pth'):# 加载模型model = VGGEmotion(num_classes=7)model.load_state_dict(torch.load(model_path, map_location='cpu'))model.eval()# 预处理transform = transforms.Compose([transforms.Resize((224, 224)),transforms.Grayscale(),transforms.ToTensor(),transforms.Normalize(mean=[0.5], std=[0.5])])# 加载图像image = Image.open(image_path).convert('L')image_tensor = transform(image).unsqueeze(0)# 预测with torch.no_grad():outputs = model(image_tensor)_, predicted = torch.max(outputs, 1)probabilities = torch.softmax(outputs, dim=1).squeeze().numpy()# 可视化plt.figure(figsize=(10, 5))plt.subplot(1, 2, 1)plt.imshow(image, cmap='gray')plt.title(f'Predicted: {emotion_labels[predicted.item()]}')plt.axis('off')plt.subplot(1, 2, 2)plt.barh(emotion_labels, probabilities)plt.xlabel('Probability')plt.title('Emotion Probabilities')plt.tight_layout()plt.show()return emotion_labels[predicted.item()], probabilities# 使用示例
# emotion, probs = predict_emotion('test_image.jpg')

这个实现可以直接用于FER2013等标准情绪识别数据集，只需调整数据加载部分即可。训练完成后，模型可以保存并用于实时情绪识别应用。

算法训练结果对比

从训练结果分析可以看出，不同模型架构在情绪识别任务上表现出显著差异。CNN模型在第17个epoch时验证集准确率达到57.15%后陷入瓶颈，训练准确率虽高达88.80%，但存在明显过拟合现象。相比之下，ResNet模型凭借其残差连接结构展现出更好的拟合能力，训练准确率达到98.43%，验证准确率提升至60.00%，且损失值更低（0.1B41），表明残差结构有效缓解了深层网络的梯度消失问题。而VGG模型表现最不理想，训练30个epoch后验证准确率仅为14%，且训练损失（1.103）与验证损失（1.080）居高不下，这与其庞大的参数量和较深的网络结构导致的优化困难有关。综合来看，ResNet架构在本任务中展现出最佳性能平衡，既能达到较高训练准确率，又能保持较好的泛化能力，是情绪识别任务更合适的模型选择。这些结果也印证了适当引入残差连接等创新结构对提升深度学习模型性能的重要性。 

训练好的模型：

模型训练好后接下来就二十验证和测试环节。

交互界面我们采用PyQt5来构建，或者你可以可以使用Python自带的Tk图形用户界面(GUI),可通过 tkinter 包及其扩展 tkinter.ttk 模块来使用它。

class EmotionBars(QWidget):def __init__(self):super().__init__()self.probabilities = np.zeros(7)self.colors = [QColor(255, 87, 87),  # 愤怒QColor(156, 39, 176),  # 厌恶QColor(33, 150, 243),  # 恐惧QColor(255, 193, 7),  # 高兴QColor(0, 188, 212),  # 悲伤QColor(255, 152, 0),  # 惊讶QColor(76, 175, 80)  # 正常]self.setMinimumSize(480, 280)self.setFont(QFont("Microsoft YaHei", 10))def paintEvent(self, event):painter = QPainter(self)painter.setRenderHint(QPainter.Antialiasing)# 渐变背景gradient = QLinearGradient(0, 0, self.width(), self.height())gradient.setColorAt(0, QColor(40, 40, 40))gradient.setColorAt(1, QColor(70, 70, 70))painter.fillRect(self.rect(), gradient)# 布局参数bar_width = 45spacing = 25chart_height = self.height() - 100base_y = self.height() - 75# 绘制柱状图for i in range(7):x = 40 + i * (bar_width + spacing)height = chart_height * self.probabilities[i]# 3D柱体painter.setBrush(self.colors[i].darker(120))painter.drawRect(x + 3, base_y - height + 3, bar_width, height)painter.setBrush(self.colors[i])painter.drawRect(x, base_y - height, bar_width, height)# 文字标签painter.setPen(Qt.white)text_rect = QRect(x - 15, base_y + 10, bar_width + 30, 50)label = ['愤怒', '厌恶', '恐惧', '高兴', '悲伤', '惊讶', '正常'][i]painter.drawText(text_rect, Qt.AlignCenter | Qt.TextWordWrap,f"{label}\n{self.probabilities[i] * 100:.1f}%")class MainWindow(QMainWindow):def __init__(self):super().__init__()self.initUI()self.initCamera()self.classifier = EmotionClassifier()self.is_detecting = Falsedef initUI(self):# 窗口设置self.setWindowTitle("智能情绪识别系统")self.setGeometry(100, 100, 1280, 720)# 主窗口部件main_widget = QWidget()self.setCentralWidget(main_widget)main_layout = QHBoxLayout(main_widget)main_layout.setContentsMargins(20, 15, 20, 15)main_layout.setSpacing(20)# 视频区域video_frame = QFrame()video_frame.setStyleSheet("""background: #1A1A1A;border-radius: 12px;border: 2px solid #404040;""")video_layout = QVBoxLayout(video_frame)video_layout.setContentsMargins(10, 10, 10, 10)self.video_label = QLabel("摄像头准备中...")self.video_label.setAlignment(Qt.AlignCenter)self.video_label.setStyleSheet("""font: 18px 'Microsoft YaHei';color: #888;background: transparent;""")video_layout.addWidget(self.video_label)main_layout.addWidget(video_frame, 3)# 右侧面板right_frame = QFrame()right_frame.setStyleSheet("""background: #2A2A2A;border-radius: 12px;border: 2px solid #404040;""")right_layout = QVBoxLayout(right_frame)right_layout.setContentsMargins(25, 25, 25, 25)right_layout.setSpacing(25)# 情绪显示self.emotion_label = QLabel("等待识别")self.emotion_label.setAlignment(Qt.AlignCenter)self.emotion_label.setStyleSheet("""font: bold 26px 'Microsoft YaHei';color: #FFF;background: #3A3A3A;border-radius: 8px;padding: 20px;min-height: 100px;""")right_layout.addWidget(self.emotion_label, stretch=1)# 柱状图self.bars = EmotionBars()right_layout.addWidget(self.bars, stretch=4)# 控制按钮btn_container = QFrame()btn_layout = QHBoxLayout(btn_container)btn_layout.setContentsMargins(0, 10, 0, 0)btn_layout.setSpacing(20)self.start_btn = QPushButton("🎥 开始识别")self.start_btn.clicked.connect(self.toggleDetection)self.start_btn.setStyleSheet("""QPushButton {background: #4CAF50;color: white;border: none;padding: 18px 35px;font: bold 18px 'Microsoft YaHei';border-radius: 8px;min-width: 150px;}QPushButton:hover { background: #45A049; }QPushButton:pressed { background: #388E3C; }""")exit_btn = QPushButton("🚪 退出系统")exit_btn.clicked.connect(self.close)exit_btn.setStyleSheet("""QPushButton {background: #F44336;color: white;border: none;padding: 18px 35px;font: bold 18px 'Microsoft YaHei';border-radius: 8px;min-width: 150px;}QPushButton:hover { background: #D32F2F; }QPushButton:pressed { background: #C62828; }""")btn_layout.addWidget(self.start_btn)btn_layout.addWidget(exit_btn)right_layout.addWidget(btn_container, stretch=1)main_layout.addWidget(right_frame, 1)def initCamera(self):self.cap = cv2.VideoCapture(0)self.timer = QTimer()self.timer.timeout.connect(self.updateFrame)self.timer.start(30)def toggleDetection(self):self.is_detecting = not self.is_detectingself.start_btn.setText("⏹️ 停止识别" if self.is_detecting else "🎥 开始识别")def updateFrame(self):ret, frame = self.cap.read()if ret:frame = cv2.flip(frame, 1)rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)# 显示视频h, w = rgb.shape[:2]bytes_line = 3 * wq_img = QImage(rgb.data, w, h, bytes_line, QImage.Format_RGB888)self.video_label.setPixmap(QPixmap.fromImage(q_img).scaled(800, 600,Qt.KeepAspectRatio, Qt.SmoothTransformation))if self.is_detecting:gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = self.classifier.face_cascade.detectMultiScale(gray, 1.3, 5)if len(faces) > 0:(x, y, w, h) = faces[0]face_img = Image.fromarray(cv2.resize(frame[y:y + h, x:x + w], (42, 42)))emotion, prob = self.classifier.get_emotion(face_img)self.emotion_label.setText(f"当前情绪状态：\n{emotion}")self.bars.probabilities = probself.bars.update()else:self.emotion_label.setText("未检测到人脸")def closeEvent(self, event):self.cap.release()event.accept()

最终结果如下：

只要功能介绍：

 这里为了大家好学习，分为了三个版本。初级版、中级版，最终版

版本	特点	核心内容
初级版本	基于三种基础算法实现人脸情绪识别	1. 采用 CNN、VGG、ResNet 三种算法训练模型，提供已训练模型直接调用 2. 完成数据预处理、模型训练与识别过程 3. 实现人脸情绪动态识别，实时检测
中级版本	多端覆盖，加入用户管理与日志记录， 个性化建议	1. 包含 Web 端和本地 PC 端，支持注册登录，配备用户数据库 2. 保留初级版本全部算法与功能 3. 新增本地日志记录，详细记录情绪识别过程与结果
最终版本	多模态融合，全场景检测，可视化交互	1. 融合人脸、语音多模态情绪识别，支持本地图片 / 视频静态动态检测、摄像头实时检测 2. 计算情绪实时百分比，提供可视化交互界面展示分析结果 3. 具备本地日志记录功能，完整记录多模态识别过程及结果

以下是结合开发环境、工具及硬件功能的版本升级说明，突出技术实现细节：

版本	开发语言 / 工具	核心技术架构	硬件与实时功能	新增特性
初级版本	Python 3.9+ Pycharm	- 算法框架：Keras/TensorFlow 2.x - 数据处理：OpenCV、NumPy - 环境：虚拟环境（venv/conda）	- 基础功能：静态图片检测（需手动导入图片） - 有摄像头实时识别功能	- 纯算法训练与基础检测，无界面交互
中级版本	Python 3.9+ Pycharm PyQt5	- 跨平台框架：PyQt5（PC 端界面） - Web 端：Flask/Django - 数据库：SQLite/MySQL - 环境：虚拟环境隔离开发	- 新增功能： ✓ 笔记本摄像头实时调用（OpenCV VideoCapture） ✓ 实时视频流单帧检测（帧率：5-10 FPS）	- 用户系统：注册 / 登录（加密存储） - 本地日志：记录检测时间、情绪结果、图片路径
最终版本	Python 3.9+ Pycharm PyQt5	- 多模态框架： ▶ 视觉：TensorFlow+MTCNN ▶ 语音：Librosa+PyTorch - Web 端：Flask+PyQt5 - 环境：conda 虚拟环境 + GPU 加速（CUDA）	- 实时功能升级： ✓ 摄像头实时检测（优化后帧率：15-20 FPS） ✓ 语音情绪识别（麦克风实时

关键技术细节补充

1. 开发环境搭建

   • 虚拟环境：使用 conda create -n emotion_env python=3.7 创建隔离环境，通过 requirements.txt 管理依赖（如 tensorflow==2.12.0、opencv-python==4.5.3.56）。
   • Pycharm 配置：
     • 项目解释器指向虚拟环境 Python 路径；
     • 启用版本控制（Git）和代码检查（Flake8）。

2. 摄像头实时检测实现

   • 硬件支持：通过 cv2.VideoCapture(0) 调用笔记本内置摄像头，支持分辨率设置（如 cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)）。
   • 实时流程：

     import cv2
     cap = cv2.VideoCapture(0)
     while True:ret, frame = cap.read()  # 读取摄像头帧frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 灰度化faces = mtcnn.detect_faces(frame)  # 人脸检测for face in faces:emotion = model.predict(face_roi)  # 情绪预测cv2.putText(frame, emotion, (x,y), font, 1, (0,255,0))  # 结果标注cv2.imshow("Real-time Emotion Detection", frame)if cv2.waitKey(1) & 0xFF == ord('q'):break
     cap.release()
     cv2.destroyAllWindows()
     

3. 多模态融合技术栈

   • 视觉模块：使用预训练 ResNet50 提取人脸特征（输入尺寸 224x224）；
   • 语音模块：通过 Librosa 提取 MFCC 特征（80 维向量），输入 LSTM 网络分类；
   • 融合方式：将视觉特征（2048 维）与语音特征（128 维）拼接后，通过全连接层输出最终情绪概率。
   • 我的扣扣2551931023，欢迎咨询讨论！

多模态情绪识别融合人脸、语音等多源数据，通过CNN、LSTM等模型提取视觉（表情）与听觉（语音语调）特征，经融合算法综合分析情绪。可实现图片、视频、实时摄像头的静态/动态检测，输出情绪类别及百分比，提升复杂场景识别精度，广泛应用于智能交互、心理分析等领域。

到这里就结束了，由于篇幅原因，今天到这里，我们下期再续······