UI界面设计-Fer2013面部表情识别/基于pytorch

基于tensorflow代码请参考主页：

http://t.csdnimg.cn/beYP5http://t.csdnimg.cn/beYP5本文使用torch框架构建模型做出UI界面，将所有调参变量做到UI界面上

一、项目概述

本项目开发了一款集成深度学习的情绪识别软件，采用 PyTorch 框架构建卷积神经网络模型。该软件通过摄像头捕获实时视频流，利用 Haar 级联分类器检测人脸，并应用训练好的模型分析表情，最终识别出七种基本情绪：愤怒、厌恶、恐惧、快乐、中立、悲伤和惊讶。此外，我们特别设计了一个直观的图形用户界面（GUI），使用 Tkinter 库实现，使用户能够轻松调整关键参数，优化识别效果。

（1）核心功能

• 动态参数调整：用户可通过 GUI 上的滑块调整两个重要参数——缩放因子和最小邻居数。缩放因子控制图像金字塔中的图像尺寸缩放比例，影响检测到人脸的大小范围；而最小邻居数则确保只有经过多次验证的候选区域才被视为真实的人脸，平衡了检测精度和速度。

• 实时情绪反馈：软件在视频流中实时高亮显示检测到的人脸区域，并在界面上方即时呈现识别到的情绪类别，便于观察者理解情绪状态。

• 模型加载与保存：用户可以加载预先训练的模型权重文件（.pth格式），确保软件能够立即投入使用，无需重新训练模型。

（2）用户界面设计

• 简洁直观的操作面板：包含“加载模型”和“开始检测”按钮，以及参数调整滑块，方便用户快速配置。

• 实时视频预览区：主界面中央显示摄像头捕获的视频流，实时更新检测结果。

• 状态提示：通过弹窗通知用户模型加载情况和其他重要信息。

（3）应用场景与参数调整建议

在不同的光照条件或拍摄角度下，适当调整缩放因子和最小邻居数可显著提升识别准确率。例如，在低光照环境下，增加最小邻居数有助于减少误报，但在部分遮挡的情况下，降低这一数值则可能避免漏检。

一、代码如下所示：

import tkinter as tk
from tkinter import filedialog, messagebox, ttk
from PIL import Image, ImageTk
import numpy as np
import cv2
import torch
import torch.nn as nn
import torch.nn.functional as F
import os

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
        self.