opencv表情識別，性別識別，人臉、視頻、檢測、識別的智能AI項目

各位，對代碼有疑問得可加羣討論193369905，小編承接各種AI小項目開發
**功能

人臉檢測、識別（圖片、視頻）
輪廓標識
頭像合成（給人戴帽子）
數字化妝（畫口紅、眉毛、眼睛等）
性別識別
表情識別（生氣、厭惡、恐懼、開心、難過、驚喜、平靜等七種情緒）
視頻對象提取
眼動追蹤（待完善）
換臉（待實現）

**

Linux版環境搭建

Ubuntu 16.04
Python 3.6.5
Pip 10.0.1
Numpy 1.14.3
OpenCV 3.4.0
keras
Dlib 19.8.1
face_recognition 1.2.2
tensorflow 1.8.0
Tesseract OCR 4.0.0-beta.1

Ubuntu有一個好處就是內置Python環境，不需要像Windows那樣在爲Python環境折騰了，但要注意的是Ubuntu本身自帶的apt-get和安裝的pip的數據源是國外的，所以使用起來都很慢，一定要把apt-get和pip的數據源更換成國內的，請移步到：《Ubuntu apt-get和pip源更換》

正式安裝

根據上面的提示，你已經配置好了開發環境，現在需要正式安裝了，當然Ubuntu的安裝也比Windows簡單很多，只需要使用pip安裝包，安裝相應的模塊即可。

安裝Numpy

使用命令：pip3 install numpy

使用命令：python3，進入python腳本執行環境，輸入代碼查看numpy是否安裝成功，以及numpy的安裝版本：

import numpy 

numpy.__version__

正常輸入版本號，證明已經安裝成功。

如圖：

安裝OpenCV

OpenCV的安裝在Ubuntu和numpy相似，使用命令：

pip3 install opencv-python

使用命令：python3，進入python腳本執行環境，輸入代碼查看OpenCV版本：

import cv2 

cv2.__version__

正常輸入版本號，證明已經安裝成功。
功能預覽
1、繪製臉部輪廓

2、人臉68個關鍵點標識

3、頭像特效合成

4、性別識別

5、表情識別

6、數字化妝

下面貼出表情識別得代碼吧，各位玩嗨

#coding=utf-8
#表情識別

import cv2
from keras.models import load_model
import numpy as np
import chineseText
import datetime

startTime = datetime.datetime.now()
emotion_classifier = load_model(
    'classifier/emotion_models/simple_CNN.530-0.65.hdf5')
endTime = datetime.datetime.now()
print(endTime - startTime)

emotion_labels = {
    0: '生氣',
    1: '厭惡',
    2: '恐懼',
    3: '開心',
    4: '難過',
    5: '驚喜',
    6: '平靜'
}

img = cv2.imread("img/emotion/emotion.png")
face_classifier = cv2.CascadeClassifier(
    "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_classifier.detectMultiScale(
    gray, scaleFactor=1.2, minNeighbors=3, minSize=(40, 40))
color = (255, 0, 0)

for (x, y, w, h) in faces:
    gray_face = gray[(y):(y + h), (x):(x + w)]
    gray_face = cv2.resize(gray_face, (48, 48))
    gray_face = gray_face / 255.0
    gray_face = np.expand_dims(gray_face, 0)
    gray_face = np.expand_dims(gray_face, -1)
    emotion_label_arg = np.argmax(emotion_classifier.predict(gray_face))
    emotion = emotion_labels[emotion_label_arg]
    cv2.rectangle(img, (x + 10, y + 10), (x + h - 10, y + w - 10),
                  (255, 255, 255), 2)
    img = chineseText.cv2ImgAddText(img, emotion, x + h * 0.3, y, color, 20)

cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

化妝功能代碼

#coding=utf-8
#數字化妝類
import face_recognition
from PIL import Image, ImageDraw

#加載圖片到numpy array
image = face_recognition.load_image_file("img/ag.png")

#標識臉部特徵
face_landmarks_list = face_recognition.face_landmarks(image)

for face_landmarks in face_landmarks_list:
    pil_image = Image.fromarray(image)
    d = ImageDraw.Draw(pil_image, 'RGBA')

    # 繪製眉毛
    d.polygon(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 128))
    d.polygon(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 128))
    d.line(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 150), width=5)
    d.line(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 150), width=5)

    # 繪製嘴脣
    d.polygon(face_landmarks['top_lip'], fill=(150, 0, 0, 128))
    d.polygon(face_landmarks['bottom_lip'], fill=(150, 0, 0, 128))
    d.line(face_landmarks['top_lip'], fill=(150, 0, 0, 64), width=8)
    d.line(face_landmarks['bottom_lip'], fill=(150, 0, 0, 64), width=8)

    # 繪製眼睛
    d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))
    d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))

    # 繪製眼線
    d.line(
        face_landmarks['left_eye'] + [face_landmarks['left_eye'][0]],
        fill=(0, 0, 0, 110),
        width=6)
    d.line(
        face_landmarks['right_eye'] + [face_landmarks['right_eye'][0]],
        fill=(0, 0, 0, 110),
        width=6)

pil_image.show()

#性別識別

#coding=utf-8
#性別識別

import cv2
from keras.models import load_model
import numpy as np
import chineseText

img = cv2.imread("img/gather.png")
face_classifier = cv2.CascadeClassifier(
    "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_classifier.detectMultiScale(
    gray, scaleFactor=1.2, minNeighbors=3, minSize=(140, 140))

gender_classifier = load_model(
    "classifier/gender_models/simple_CNN.81-0.96.hdf5")
gender_labels = {0: '女', 1: '男'}
color = (255, 255, 255)

for (x, y, w, h) in faces:
    face = img[(y - 60):(y + h + 60), (x - 30):(x + w + 30)]
    face = cv2.resize(face, (48, 48))
    face = np.expand_dims(face, 0)
    face = face / 255.0
    gender_label_arg = np.argmax(gender_classifier.predict(face))
    gender = gender_labels[gender_label_arg]
    cv2.rectangle(img, (x, y), (x + h, y + w), color, 2)
    img = chineseText.cv2ImgAddText(img, gender, x + h, y, color, 30)

cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()