微表情识别python源码_Python表情识别

文章目录：

• 1、微表情识别的创新性提现在哪
• 2、微表情识别属于什么类的课程
• 3、python opencv 怎么利用csv文件训练人脸识别模型代码
• 4、基于深度学习的微表情识别对本科生有难度吗
• 5、求尔雅网课范海鹰 微表情识别·读脸读心 章节测试答案
• 6、《微表情如何识别他人脸面真假？》pdf下载在线阅读，求百度网盘云资源

微表情识别的创新性提现在哪

自动识别情绪和记录表情。

这几个方面也体现了现在科学技术的进步，而且在某一些方面还能够取得重大的成功。

科技的进步代表了大家的生活质量有所提高，而且在娱乐方面也会有更多的玩法。

微表情识别属于什么类的课程

微表情识别属于人文科学类的课程，微表情的具体应用与识别：

第一、微表情的可信度，心理学来讲没有任何心理学可以百分之百得证明一个的想法，所以微表情也只是识别上很高。 微表情强调的是首先要建立一个基准，一个人真开心的样子，再从这个基准上去辨别。 微表情经过创始者艾特曼在原始部落的实验证明了表情在所有的文化是无巨大差异的。

第二、微表情复杂细微如何辨别。这个可以看看《情绪的解析》还有达尔文关于情绪的观点。另外如果不是表情识别天才就必须不断的训练，在训练中达到更高的识别率。如恐惧和惊讶，在练习中总结呈现时间恐惧更久，另外恐惧还会出现向下拉嘴。

微表情：

微表情是内心流露与掩饰，是心理学名词。人们通过做一些表情把内心感受表达给对方看，在人们做的不同表情之间，或是某个表情里，脸部会“泄露”出其它的信息。

“微表情”最短可持续1/25秒，虽然一个下意识的表情可能只持续一瞬间，但这是种烦人的特性，很容易暴露情绪。当面部在做某个表情时，这些持续时间极短的表情会突然一闪而过，而且有时表达相反的情绪。

以上内容参考：百度百科--微表情

python opencv 怎么利用csv文件训练人脸识别模型代码

1.1.介绍Introduction

从OpenCV2.4开始，加入了新的类FaceRecognizer，我们可以使用它便捷地进行人脸识别实验。本文既介绍代码使用，又介绍算法原理。(他写的源代码，我们可以在OpenCV的opencv\modules\contrib\doc\facerec\src下找到，当然也可以在他的github中找到，如果你想研究源码，自然可以去看看，不复杂)

目前支持的算法有

Eigenfaces特征脸createEigenFaceRecognizer()

Fisherfaces createFisherFaceRecognizer()

LocalBinary Patterns Histograms局部二值直方图 createLBPHFaceRecognizer()

下面所有的例子中的代码在OpenCV安装目录下的samples/cpp下面都能找到，所有的代码商用或者学习都是免费的。

1.2.人脸识别Face Recognition

对人类来说，人脸识别很容易。文献[Tu06]告诉我们，仅仅是才三天的婴儿已经可以区分周围熟悉的人脸了。那么对于计算机来说，到底有多难？其实，迄今为止，我们对于人类自己为何可以区分不同的人所知甚少。是人脸内部特征(眼睛、鼻子、嘴巴)还是外部特征(头型、发际线)对于人类识别更有效?我们怎么分析一张图像，大脑是如何对它编码的？David Hubel和TorstenWiesel向我们展示，我们的大脑针对不同的场景，如线、边、角或者运动这些局部特征有专门的神经细胞作出反应。显然我们没有把世界看成零散的块块，我们的视觉皮层必须以某种方式把不同的信息来源转化成有用的模式。自动人脸识别就是如何从一幅图像中提取有意义的特征，把它们放入一种有用的表示方式，然后对他们进行一些分类。基于几何特征的人脸的人脸识别可能是最直观的方法来识别人脸。第一个自动人脸识别系统在[Kanade73]中又描述：标记点(眼睛、耳朵、鼻子等的位置)用来构造一个特征向量(点与点之间的距离、角度等)。通过计算测试和训练图像的特征向量的欧氏距离来进行识别。这样的方法对于光照变化很稳健，但也有巨大的缺点：标记点的确定是很复杂的，即使是使用最先进的算法。一些几何特征人脸识别近期工作在文献[Bru92]中有描述。一个22维的特征向量被用在一个大数据库上，单靠几何特征不能提供足够的信息用于人脸识别。

特征脸方法在文献[TP91]中有描述，他描述了一个全面的方法来识别人脸：面部图像是一个点，这个点是从高维图像空间找到它在低维空间的表示，这样分类变得很简单。低维子空间低维是使用主元分析(Principal Component Analysis,PCA)找到的，它可以找拥有最大方差的那个轴。虽然这样的转换是从最佳重建角度考虑的，但是他没有把标签问题考虑进去。[gm:读懂这段需要一些机器学习知识]。想象一个情况，如果变化是基于外部来源，比如光照。轴的最大方差不一定包含任何有鉴别性的信息，因此此时的分类是不可能的。因此，一个使用线性鉴别(Linear Discriminant Analysis,LDA)的特定类投影方法被提出来解决人脸识别问题[BHK97]。其中一个基本的想法就是，使类内方差最小的同时，使类外方差最大。

近年来，各种局部特征提取方法出现。为了避免输入的图像的高维数据，仅仅使用的局部特征描述图像的方法被提出，提取的特征(很有希望的)对于局部遮挡、光照变化、小样本等情况更强健。有关局部特征提取的方法有盖伯小波(Gabor Waelets)([Wiskott97])，离散傅立叶变换(DiscreteCosinus Transform,DCT)([Messer06])，局部二值模式(LocalBinary Patterns,LBP)([AHP04])。使用什么方法来提取时域空间的局部特征依旧是一个开放性的研究问题，因为空间信息是潜在有用的信息。

1.3.人脸库Face Database

我们先获取一些数据来进行实验吧。我不想在这里做一个幼稚的例子。我们在研究人脸识别，所以我们需要一个真的人脸图像！你可以自己创建自己的数据集，也可以从这里()下载一个。

ATTFacedatabase又称ORL人脸数据库，40个人，每人10张照片。照片在不同时间、不同光照、不同表情(睁眼闭眼、笑或者不笑)、不同人脸细节(戴眼镜或者不戴眼镜)下采集。所有的图像都在一个黑暗均匀的背景下采集的，正面竖直人脸(有些有有轻微旋转)。

基于深度学习的微表情识别对本科生有难度吗

若是指，深度学习的微表情识别对本科生有难度吗？视个人能力而定

相对于微表情检测来说，微表情识别的难度要小一点。

微表情识别是指给定一个已经分割好的微表情片断，通过某种算法，识别该微表情的情绪种类（例如厌恶、悲伤、惊讶、愤怒、恐惧、快乐等）。如同三维动态表情识别一样，其处理的对象是视频片断，而不只是单幅图像。对其处理过程中，不仅要考虑空间上的模式，还要考虑时间上的模式。所以许多微表情识别的算法都考虑了时空模式。

求尔雅网课范海鹰 微表情识别·读脸读心 章节测试答案

是 ，的确存在，可以用细微的表情，下意识的动作，但是也没那么夸张到，只是一定的辅助作用

《微表情如何识别他人脸面真假？》pdf下载在线阅读，求百度网盘云资源

《微表情》（姜振宇）电子书网盘下载免费在线阅读

资源链接：

链接：

 提取码：m3k7  

书名：微表情

作者：姜振宇

豆瓣评分：7.3

出版社：凤凰出版社

出版年份：2011-8

页数：336

内容简介：

微表情是心理应激微反应的一部分，它从人类本能出发，不受思想的控制，无法掩饰，也不能伪装。再能“装”的人，遇到有效刺激之后的第一瞬间也会出现微表情，他的“装”只能出现在微表情之后。因此，以微表情为代表的微反应是个人内心想法的忠实呈现，是了解一个人内心真实想法的最准确线索。

本书作者经过5年研究，与8家司法科研机构合作，积累了10000条测试数据，在国内最先开启了应激微反应研究的先河。全面分析了人类6种共通情绪（惊讶、厌恶、愤怒、恐惧、悲伤、愉悦）及其衍生（轻蔑、不屑、害怕、不安、担忧、愧疚、不悦、苦涩、勉强等）的微表情，并详解了眉毛、眼睛等部位的不同微表情，适用于恋爱交友、工作升职、团队管理、业务谈判、面试访谈等人际关系各个领域，能够从根上助你认清谎言，撕破假面，还原真相，打造属于你的防欺骗保护伞，进而看透他人，掌控局面。

作者简介：

姜振宇，中国心理应激微反应测试研究第一人，领导国内首家应用心理应激微反应进行测谎的研究团队。中国政法大学中国法律信息中心主任，中国政法大学微反应研究小组组长，中国政法大学“心理应激微反应”课程主讲人，“微反应在新闻采访中的信息挖掘研究”项目负责人，“微反应研究在心理健康监测和干预领域的应用”项目负责人。

某电视台测谎节目专家，得到中央电视台、北京卫视、北京青年频道、台湾东森新闻台、新京报、法制晚报、台湾政治大学报等多家媒体采访报道，并进行过现场测试验证。