【PYTHON-YOLOV8N】面部表情识别

环境准备

参考这篇文章https://youyouhome.blog.csdn.net/article/details/155965991?spm=1001.2014.3001.5502

数据集准备

常用的公开数据集如下

1. FER2013：经典表情数据集，含 7 类表情（愤怒、厌恶、恐惧、开心、悲伤、惊讶、中性），共 35 万 + 人脸图片；
2. AffectNet：更大规模，含 12 类基本表情 + 复杂情绪，支持多分辨率；
3. RAF-DB：亚洲人脸为主，表情标注更精准，适合中文场景。

本次采用的是以FER2013为例。

FER2013数据下载地址

最终下载到的文件是fer2013.csv，下载地址点击https://tianchi.aliyun.com/dataset/37273/

查看FER2013数据

使用python代码看一张图片，如下代码运行即可

importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt# 1. 加载CSV文件df=pd.read_csv('fer2013.csv')# 请确保文件路径正确# 2. 查看数据前几行和基本信息print(df.head())print(df['emotion'].value_counts())# 3. 将像素字符串转换为图像数组的函数defstring_to_array(pixel_string):pixel_list=list(map(int,pixel_string.split()))returnnp.array(pixel_list).reshape(48,48)# 4. 提取并显示一张图片示例（例如，第一张训练图片）first_image_pixels=df.loc[0,'pixels']first_image_emotion=df.loc[0,'emotion']first_image_array=string_to_array(first_image_pixels)plt.figure()plt.imshow(first_image_array,cmap='gray')plt.title(f'Emotion Label:{first_image_emotion}')plt.axis('off')plt.show()

FER2013CSV数据转数据集

运行如下代码就可以将csv数据转为图片

importpandasaspdimportnumpyasnpimportosfromPILimportImageimportcsv# 1. 读取CSV文件df=pd.read_csv('FER2013.csv')# 请确保文件路径正确# 2. 创建保存图片的主目录base_save_dir='./FER2013_Images'ifnotos.path.exists(base_save_dir):os.makedirs(base_save_dir)# 3. 表情标签对应的中文/英文名称（方便理解）emotion_dict={0:'Angry',1:'Disgust',2:'Fear',3:'Happy',4:'Sad',5:'Surprise',6:'Neutral'}# 4. 核心函数：将像素字符串转换为图片并保存defsave_pixels_to_image(pixels_str,save_path):# 将字符串转换为整数列表pixels_array=np.array(list(map(int,pixels_str.split())),dtype=np.uint8)# 重塑为48x48的灰度图像矩阵image_matrix=pixels_array.reshape(48,48)# 创建PIL图像对象并保存img=Image.fromarray(image_matrix,mode='L')# 'L' 表示灰度模式img.save(save_path)# 5. 遍历每一行数据，生成图片forindex,rowindf.iterrows():emotion_label=row['emotion']pixels_str=row['pixels']usage=row['Usage']# 为每张图片构建保存路径：主目录/数据集划分/表情类别/img_save_dir=os.path.join(base_save_dir,usage,emotion_dict[emotion_label])ifnotos.path.exists(img_save_dir):os.makedirs(img_save_dir)# 构建图片文件名（用索引命名以防重复）img_save_path=os.path.join(img_save_dir,f'{index:06d}.png')# 调用函数保存图片save_pixels_to_image(pixels_str,img_save_path)# 可选：打印进度if(index+1)%1000==0:print(f'已处理{index+1}张图片...')print('所有图片已成功生成！')print(f'图片保存至:{os.path.abspath(base_save_dir)}')

最终的目录结构如下，应该是训练集、测试集、验证集

FER2013_Images --PrivateTest 0: 'Angry', 1: 'Disgust', 2: 'Fear', 3: 'Happy', 4: 'Sad', 5: 'Surprise', 6: 'Neutral' --PublicTest ... ... --Training ... ...