情緒檢測或表情分類在深度學習領域中有著廣泛的研究。使用相機和一些簡單的代碼我們就可以對情緒進行實時分類，這也是邁向高級人機交互的一步。

前言

本期我們將首先介紹如何使用Keras 創建卷積神經網絡模型，再使用攝像頭獲取圖片進行情緒檢測。

為了更好的閱讀體驗，我們最好具備一下知識：

? Python

? OpenCV的

? 卷積神經網絡（CNN）

? numpy

（注意：我們使用的Tensorflow是1.13.1版本、keras是 版本2.3.1）

模型制作

首先，我們將創建模型代碼并解釋其中的含義。代碼的創建總共分為以下5個部分。

任務1：

導入該項目所需的必需模塊。

import kerasfrom keras.preprocessing.image import ImageDataGeneratorfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Activation,Flatten,BatchNormalizationfrom keras.layers import Conv2D,MaxPooling2Dimport os

現在讓我們定義一些變量，這些變量將節省手動輸入的時間。

num_classes=5img_rows,img_cols=48,48batch_size=32

以上變量的說明如下：

? num_classses = 5：訓練模型時要處理的類即情感的種類數。

? img_rows=48，img_cols = 48：饋送到神經網絡中的圖像陣列大小。

? batch_size = 32：更新模型之前處理的樣本數量。epochs 是完整通過訓練數據集的次數。batch_size必須大于等于1并且小于或等于訓練數據集中的樣本數。

任務2：

現在讓我們開始加載模型，這里使用的數據集是fer2013，該數據集是由kaggle托管的開源數據集。數據集共包含7類，分別是憤怒、厭惡、恐懼、快樂、悲傷、驚奇、無表情，訓練集共有28,709個示例。該數據集已從網站上刪除，但我們在以下鏈接中可以找到相關代碼和數據集。https://github.com/karansjc1/emotion-detection

數據集的存儲庫中

我們將數據儲存在特定文件夾中。例如，“憤怒”文件夾包含帶有憤怒面孔等的圖片。在這里，我們使用5類，包括“憤怒”，“快樂”，“悲傷”，“驚奇”和“無表情”。使用24256張圖像作為訓練數據，3006張圖像作為檢測數據。

現在讓我們將數據加載到一些變量中。

train_data_dir='fer2013/train'validation_data_dir='fer2013/validation'

以上兩行導入了檢測和訓練數據。該模型是在訓練數據集上進行訓練的；在檢測數據集上檢測該模型性能，檢測數據集是原始數據集的一部分，從原始數據集上分離開來的。

任務3：

現在，我們對這些數據集進行圖像增強。圖像數據增強可以擴展訓練數據集大小，改善圖像質量。Keras深度學習神經網絡庫中的ImageDataGenerator類通過圖像增強來擬合模型。

train_datagen = ImageDataGenerator(    rescale=1./255,    rotation_range=30,    shear_range=0.3,    zoom_range=0.3,    width_shift_range=0.4,    height_shift_range=0.4,    horizontal_flip=True,    fill_mode='nearest')validation_datagen = ImageDataGenerator(rescale=1./255)

train_datagen變量以下方法人為地擴展數據集：

? rotation_range：隨機旋轉，在這里我們使用30度。

? shear_range：剪切強度（逆時針方向的剪切角，以度為單位）。在這里我們使用0.3作為剪切范圍。

? zoom_range：隨機縮放的范圍，這里我們使用0.3作為縮放范圍。

? width_shift_range：在圖像的整個寬度上移動一個值。

? height_shift_range：這會在整個圖像高度上移動一個值。

? horizontal_flip：水平翻轉圖像。

? fill_mode：通過上述使用的方法更改圖像的方向后填充像素，使用“最近”作為填充模式，即用附近的像素填充圖像中丟失的像素。

在這里，我只是重新保存驗證數據，而沒有執行任何其他擴充操作，因為我想使用與訓練模型中數據不同的原始數據來檢查模型。

train_generator = train_datagen.flow_from_directory( train_data_dir, color_mode='grayscale', target_size=(img_rows,img_cols), batch_size=batch_size, class_mode='categorical', shuffle=True)validation_generator = validation_datagen.flow_from_directory( validation_data_dir, color_mode='grayscale', target_size=(img_rows,img_cols), batch_size=batch_size, class_mode='categorical', shuffle=True)

上面代碼的輸出將是：

Found 24256 images belonging to 5 classes.Found 3006 images belonging to 5 classes.

在上面的代碼中，我正在使用flow_from_directory（）方法從目錄中加載我們的數據集，該目錄已擴充并存儲在train_generator和validation_generator變量中。flow_from_directory（）采用目錄的路徑并生成一批擴充數據。因此，在這里，我們為該方法提供了一些選項，以自動更改尺寸并將其劃分為類，以便更輕松地輸入模型。

給出的選項是：

? directory：數據集的目錄。

? color_mode：在這里，我將圖像轉換為灰度，因為我對圖像的顏色不感興趣，而僅對表達式感興趣。

? target_size：將圖像轉換為統一大小。

? batch_size：制作大量數據以進行訓練。

? class_mode：在這里，我將“類別”用作類模式，因為我將圖像分為5類。

? shuffle：隨機播放數據集以進行更好的訓練。

任務4：

數據集的修改已完成，現在是該模型的大腦即CNN網絡。

因此，首先，我將定義將要使用的模型的類型。在這里，我使用的是Sequential模型，該模型定義網絡中的所有層將依次相繼并將其存儲在變量模型中。

model = Sequential()

該網絡由7個塊組成：（后面我們將逐層解釋）

#Block-1model.add(Conv2D(32,(3,3),padding='same',kernel_initializer='he_normal',                 input_shape=(img_rows,img_cols,1)))model.add(Activation('elu'))model.add(BatchNormalization())model.add(Conv2D(32,(3,3),padding='same',kernel_initializer='he_normal',                 input_shape=(img_rows,img_cols,1)))model.add(Activation('elu'))model.add(BatchNormalization())model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.2))#Block-2model.add(Conv2D(64,(3,3),padding='same',kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(Conv2D(64,(3,3),padding='same',kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.2))#Block-3model.add(Conv2D(128,(3,3),padding='same',kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(Conv2D(128,(3,3),padding='same',kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.2))#Block-4model.add(Conv2D(256,(3,3),padding='same',kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(Conv2D(256,(3,3),padding='same',kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.2))#Block-5model.add(Flatten())model.add(Dense(64,kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(Dropout(0.5))#Block-6model.add(Dense(64,kernel_initializer='he_normal'))model.add(Activation('elu'))model.add(BatchNormalization())model.add(Dropout(0.5))#Block-7model.add(Dense(num_classes,kernel_initializer='he_normal'))model.add(Activation('softmax'))

運行以上代碼，如果使用的是舊版本的tensorflow，則會收到一些警告。

在這里，我使用了存在于keras.layers中的7種類型的層。

這些層是：

?Conv2D(
filters, kernel_size, strides=(1, 1), padding=’valid’, data_format=None,
dilation_rate=(1, 1), activation=None, use_bias=True,
kernel_initializer=’glorot_uniform’, bias_initializer=’zeros’,
kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
kernel_constraint=None, bias_constraint=None, **kwargs)

? Activation(activation_type)

? BatchNormalization()

? MaxPooling2D(pool_size, strides,padding, data_format, **kwargs)

? Dropout(dropout_value)

? Flatten()

? Dense(
units,
activation=None,
use_bias=True,
kernel_initializer=”glorot_uniform”,
bias_initializer=”zeros”,
kernel_regularizer=None,
bias_regularizer=None,
activity_regularizer=None,
kernel_constraint=None,
bias_constraint=None,
**kwargs)

Block-1層的出現順序如下：

? Conv2D層-此層為網絡創建卷積層。我們創建的該層包含32個大小為（3,3）濾波器，其中使用padding ='same'填充圖像并使用內核初始化程序he_normal。添加了2個卷積層，每個層都有一個激活層和批處理歸一化層。

? 激活層-使用elu激活。

? BatchNormalization（批處理歸一化）-歸一化每一層的激活，即將平均激活值保持在接近0并將激活標準偏差保持在接近1。

? MaxPooling2D層-通過沿pool_size定義的沿特征軸的每個尺寸的窗口上的最大值，對輸入表示進行下采樣。在此， pool_size大小為（2,2）。

? Dropout：是一種在訓練過程中忽略隨機選擇的神經元的技術。在這里，我將dropout設為0.5，這意味著它將忽略一半的神經元。

Block-2層的出現順序如下：

? 與block-1相同的層，但是卷積層具有64個濾波器。

Block-3層的出現順序如下：

? 與block-1相同的層，但是卷積層具有128個濾波器。

Block-4層的出現順序如下：

? 與block-1相同的層，但是卷積層具有256個濾波器。

Block-5層的出現順序如下：

? 展平層-將前一層的輸出展平，即轉換為矢量形式。

? 密集層-該層中每個神經元都與其他每個神經元相連。在這里，我使用帶有內核的程序初始化64個單元或64個神經元-he_normal。

? 這些層之后使用elu激活，批處理歸一化，最后以dropout為50％選擇忽略。

塊6層的出現順序如下：

? 與模塊5相同的層，但沒有展平層，因為該模塊的輸入已展平。

塊7層的出現順序如下：

? 密集層-網絡的最后一個塊中，我使用num_classes創建一個密集層，該層具有he_normal初始值設定項，其unit =類數。

? 激活層-在這里，我使用softmax，該層多用于分類。

現在檢查模型的整體結構：

print(model.summary())

輸出將是：

Model: "sequential_1"_________________________________________________________________Layer (type)                 Output Shape              Param #   =================================================================conv2d_1 (Conv2D)            (None, 48, 48, 32)        320       _________________________________________________________________activation_1 (Activation)    (None, 48, 48, 32)        0         _________________________________________________________________batch_normalization_1 (Batch (None, 48, 48, 32)        128       _________________________________________________________________conv2d_2 (Conv2D)            (None, 48, 48, 32)        9248      _________________________________________________________________activation_2 (Activation)    (None, 48, 48, 32)        0         _________________________________________________________________batch_normalization_2 (Batch (None, 48, 48, 32)        128       _________________________________________________________________max_pooling2d_1 (MaxPooling2 (None, 24, 24, 32)        0         _________________________________________________________________dropout_1 (Dropout)          (None, 24, 24, 32)        0         _________________________________________________________________conv2d_3 (Conv2D)            (None, 24, 24, 64)        18496     _________________________________________________________________activation_3 (Activation)    (None, 24, 24, 64)        0         _________________________________________________________________batch_normalization_3 (Batch (None, 24, 24, 64)        256       _________________________________________________________________conv2d_4 (Conv2D)            (None, 24, 24, 64)        36928     _________________________________________________________________activation_4 (Activation)    (None, 24, 24, 64)        0         _________________________________________________________________batch_normalization_4 (Batch (None, 24, 24, 64)        256       _________________________________________________________________max_pooling2d_2 (MaxPooling2 (None, 12, 12, 64)        0         _________________________________________________________________dropout_2 (Dropout)          (None, 12, 12, 64)        0         _________________________________________________________________conv2d_5 (Conv2D)            (None, 12, 12, 128)       73856     _________________________________________________________________activation_5 (Activation)    (None, 12, 12, 128)       0         _________________________________________________________________batch_normalization_5 (Batch (None, 12, 12, 128)       512       _________________________________________________________________conv2d_6 (Conv2D)            (None, 12, 12, 128)       147584    _________________________________________________________________activation_6 (Activation)    (None, 12, 12, 128)       0         _________________________________________________________________batch_normalization_6 (Batch (None, 12, 12, 128)       512       _________________________________________________________________max_pooling2d_3 (MaxPooling2 (None, 6, 6, 128)         0         _________________________________________________________________dropout_3 (Dropout)          (None, 6, 6, 128)         0         _________________________________________________________________conv2d_7 (Conv2D)            (None, 6, 6, 256)         295168    _________________________________________________________________activation_7 (Activation)    (None, 6, 6, 256)         0         _________________________________________________________________batch_normalization_7 (Batch (None, 6, 6, 256)         1024      _________________________________________________________________conv2d_8 (Conv2D)            (None, 6, 6, 256)         590080    _________________________________________________________________activation_8 (Activation)    (None, 6, 6, 256)         0         _________________________________________________________________batch_normalization_8 (Batch (None, 6, 6, 256)         1024      _________________________________________________________________max_pooling2d_4 (MaxPooling2 (None, 3, 3, 256)         0         _________________________________________________________________dropout_4 (Dropout)          (None, 3, 3, 256)         0         _________________________________________________________________flatten_1 (Flatten)          (None, 2304)              0         _________________________________________________________________dense_1 (Dense)              (None, 64)                147520    _________________________________________________________________activation_9 (Activation)    (None, 64)                0         _________________________________________________________________batch_normalization_9 (Batch (None, 64)                256       _________________________________________________________________dropout_5 (Dropout)          (None, 64)                0         _________________________________________________________________dense_2 (Dense)              (None, 64)                4160      _________________________________________________________________activation_10 (Activation)   (None, 64)                0         _________________________________________________________________batch_normalization_10 (Batc (None, 64)                256       _________________________________________________________________dropout_6 (Dropout)          (None, 64)                0         _________________________________________________________________dense_3 (Dense)              (None, 5)                 325       _________________________________________________________________activation_11 (Activation)   (None, 5)                 0         =================================================================Total params: 1,328,037Trainable params: 1,325,861Non-trainable params: 2,176_________________________________________________________________None

上面的輸出顯示了該網絡中使用的所有層。這是一個大型網絡，包含1,328,037個 參數。

任務5：

最后一步：編譯和訓練

現在剩下的事情就是編譯和訓練模型。但是首先讓我們導入更多的依賴。

from keras.optimizers import RMSprop,SGD,Adamfrom keras.callbacks import ModelCheckpoint, EarlyStopping, ReduceLROnPlateau

在編譯之前，我將使用keras.callbacks類創建以下3個東西：

Checkpoint（函數— ModelCheckpoint（））

它將監視驗證損失，并使用mode ='min'屬性嘗試將損失降至最低。到達檢查點時，它將保存訓練有素的最佳大小。Verbose = 1僅用于代碼創建檢查點時的可視化。這里我使用以下參數：

? file-path：保存模型文件的路徑，這里我保存的模型文件名為EmotionDetectionModel.h5

? monitor：要監視的數量。在這里，我正在監視驗證損失。

? mode：{自動，最小，最大}之一。如果save_best_only = True，則基于監視數量的最大化或最小化來決定覆蓋當前保存文件。

? save_best_only：如果save_best_only = True，則根據監視數量的最新最佳模型將不會被覆蓋。

? verbose：1：更新數據，0：不變。

提前停止（功能— EarlyStopping（））

通過檢查以下屬性，以提前結束運行。

? monitor：要監視的數量。在這里，我正在監視驗證損失。

? min_delta：被監視的數量的最小變化有資格作為改進，即絕對變化小于min_delta將被視為沒有任何改進。在這里我給了0。

? patience：沒有改善的時期數，此后將停止訓練。我在這里給了它3。

? restore_best_weights：是否從時期以受監視數量的最佳值恢復模型權重。如果為False，則使用在訓練的最后一步獲得的模型權重。

? verbose：1：更新數據，0：不變。

降低學習率（函數— ReduceLROnPlateau（））

一旦學習停滯，模型通常會受益于將學習率降低2-10倍?；卣{監視數量，并且如果沒有發現patience的改善，則學習率會降低，為此使用了以下屬性。

? monitor：監視特定損失。在這里，我正在監視驗證損失。

? factor：降低學習率的因素。new_lr = lr *因子。在這里我使用0.2作為系數。

? patience：沒有改善的時期數，之后學習率將降低。我在這里使用3。

? min_delta：測量新的最佳閾值，僅關注重大變化。

? verbose：1：更新數據，0：不變。

現在是時候到最后使用編譯模型model.compile（）和適合訓練數據集的模型model.fit_generator（）

model.compile（）

具有以下參數：

? loss：此值將確定要在代碼中使用的損失函數的類型。在這里，我們有5個類別或類別的分類數據，因此使用了“ categorical_crossentropy”損失。

? optimizer：此值將確定要在代碼中使用的優化器功能的類型。這里我使用的學習率是0.001的Adam優化器，因為它是分類數據的最佳優化器。

? metrics：metrics參數應該是一個列表，模型可以有任意數量的metrics。它是模型在訓練和測試過程中要評估的metrics列表。這里我們使用了精度作為度量標準。

model.fit_generator（）

使模型適合Python逐批生成的數據。

它具有以下參數：

? generator：我們之前創建的train_generator對象。

? steps_per_epochs：在一個紀元內接受訓練數據的步驟。

? epoch：一次通過整個數據集。

? callbacks：包含我們之前創建的所有回調的列表。

? validation_data：我們之前創建的validation_generator對象。

? validation_steps：在一個時期內采取驗證數據的步驟。

model.compile(loss='categorical_crossentropy', optimizer = Adam(lr=0.001), metrics=['accuracy'])nb_train_samples = 24176nb_validation_samples = 3006epochs=25history=model.fit_generator( train_generator, steps_per_epoch=nb_train_samples//batch_size, epochs=epochs, callbacks=callbacks, validation_data=validation_generator, validation_steps=nb_validation_samples//batch_size)

完成！

現在，可以使用此模型創建情緒檢測器，從而完成模型生成。

驅動程式碼

現在，我們將使用在上一節中創建的模型來說明用于情感檢測的代碼。

首先，讓我們再次導入一些運行代碼所需的模塊。

from keras.models import load_modelfrom keras.preprocessing.image import img_to_arrayfrom keras.preprocessing import imageimport cv2import numpy as np

現在，讓我們加載模型，并加載我用來檢測攝像頭前方人臉的分類器。使用haarcascade_frontalface_default分類器。Haar Cascade是一種機器學習對象檢測算法，用于識別圖像或視頻中的對象，并基于Paul Viola和Michael Jones在其論文《使用簡單特征的增強級聯進行快速對象檢測》中提出的特征概念。2001。haarcascade_frontalface_default分類器可檢測圖像或連續視頻源中人的正面。

face_classifier=cv2.CascadeClassifier('/haarcascade_frontalface_default.xml')classifier = load_model('/EmotionDetectionModel.h5')

現在，我將定義一個變量class_labels來存儲類的名稱或我們要預測的情緒類型，還定義一個變量cap來存儲cv2.VideoCapture方法返回的值。在此，VideoCapture中的值0用于指示該方法使用便攜式計算機的主要網絡攝像頭。

class_labels=['Angry','Happy','Neutral','Sad','Surprise']cap=cv2.VideoCapture(0)

結論

因此，在這里我已經解釋了使用OpenCV和Keras創建情緒檢測的過程。通過以下鏈接可以查看完整的代碼以及數據集。

https://github.com/karansjc1/emotion-detection

實驗結果如下：