一个自主设计的人脸表情识别器

一个自主设计的人脸表情识别器

在实践了机器学习和人工智能一段时间后，我觉得当下机器学习，尤其是视觉检测遇到了一个瓶颈：神经网络的建立固然可以最大限度地抽取物体特征，但是这个过程对于我们而言是一个黑箱，哪怕我们明白我们所创建的网络的结构；例如，tensorflow中我们所熟悉的mnist训练，其基本操作就已经给出了超过90%的正确率；可是，花费了多得多的时间所进行的高级训练，却并没有带来相应的正确率的提高；究其原因，就在于背后过程是一个黑箱，我们无法从打破这个黑箱入手来提高运行效率。

从底层打破黑箱的尝试

有感于此，我在Matlab的dynare部分源码的基础上，从底层实现了基础性的神经网络创建工作（主要是BP算法）以及常用的logit及SVM算法；在结合OpenCV的基础上，简化了神经网络的创建和训练；最后，用这个简单的算法实现了一个人脸情绪识别器，同时，为了得到一个简单的GUI提示，用java jni来调用。具体步骤如下：

1. 在GUI提示下，用OpenCV自带的haarcascade_frontalface_default.xml分别用video抓取普通表情，讨厌表情及高兴表情各三张图片；
2. 用基于dynare源码的C代码实现几个基本的haarscade特征的提取，并生成myEmotionCascade.xml；
3. 运用SVM算法，采取两两组合的方式定义标签，训练这9个sample，并把训练结果存入data路径下面；
4. 训练结束后，读取生成的myEmotionCascade.xml，在相应的haarscade特征的帮助下，完成人脸定位检测；
5. 再在读取SVM训练生成数据的基础上，完成人脸情绪的识别。
   对应的 github链接: link.

友情提示

最后，有一个经验和各位同仁分享：机器学习得到的结果无论多么精致，本质上都是一个统计概率问题；而统计中有一个著名的行话：Garbage in, garbage out. 所以，建议各位以重视算法的认真态度同样重视样本的质量。
欢迎拍砖！