1.效果视频：基于深度学习的微表情识别系统(Python代码+PyqtUI界面，可以实现图像识别和视频识别,有详细中文注释）_哔哩哔哩_bilibili

2.数据集介绍

包括7种类别微表情

 anger文件夹，3995张

disgust文件夹， 436张照片

 fear文件夹，4097张照片

 happy文件夹，7215张照片

 neutral文件夹，4965张照片

sad文件夹，4830张照片

surprised文件夹， 3171张照片

3.项目模型整体流程

 人类的面部表情变化可以传达出其内心的情绪变化，表情是人类内心世界的真实写照。目前最常见的是将人类的表情定义为7中，分别是：悲伤、害怕、厌恶、高兴、生气、惊讶和中立。这也组成了现今的人脸表情识别研究中的七种基础面部表情。

由于不同的面部表情，可以反映出在不同情景下人们的情绪变化以及心理变化，因此面部表情的识别对于研究人类行为和心理活动，具有十分重要的研究意义和实际应用价值。现如今，面部表情识别主要使用计算机对人类面部表情进行分析识别，从而分析认得情绪变化，这在人机交互、社交网络分析、远程医疗以及刑侦监测等方面都具有重要意义。

根据深度学习网络模型，开发了一款简易的人脸面部表情识别系统，可以通过图片、视频、摄像头3种方式进行人脸面部表情识别，并且展示识别结果。可以识别悲伤、害怕、厌恶、高兴、生气、惊讶和中立这7种常见表情，感兴趣的小伙伴可以自己试试。

基本原理

人脸面部表情识别通常可以划分为四个步骤：包括图像获取，人脸检测，面部图像预处理和表情分类。其中，人脸检测，面部图像预处理（脸部特征提取）和面部表情分类是面部表情识别的三个关键环节。面部表情识别的基本流程如下图所示：

项目文件

注意：该代码采用Pycharm+Python3.8开发，运行界面的主程序为MainProgram.py，图片测试脚本可运行imgTest.py,摄像头测试脚本可运行cameraTest.py。为确保程序顺利运行，请按照程序环境配置说明.txt配置软件运行所需环境。