Detection of Emotion
1. sklearn自带的olivetti_faces库
- 手动为数据打上“笑”与“不笑”的标签，生成result.xml训练集文件。使用SVM读取xml，进行训练/预测。
- 结果如下：
2.dlib+gabor+SVM
-
The Cohn-Kanade AU-Coded Expression Database (CK+)
训练好的人脸表情库，在
/models/emotions_model.dat(约24.1MB) -
The 10k US Adult Faces Database
训练好的人脸库，在
/models/face_model.dat中(约99.7MB) -
使用
gabor滤波进行边缘检测和纹理特征提取。见gabor.py -
使用
dlib进行脸部landmarks标记。见faces.py -
使用
sklearn创建SVM classifier，clf.predict_proba([features])[0]预测7个表情的概率
7个表情：
'neutral', 'happiness', 'sadness', 'anger', 'fear', 'surprise', 'disgust'
- 最后在
test.py调用camera进行实时表情检测，并显示出来。
