Detection of Emotion

1. sklearn自带的olivetti_faces库

• 手动为数据打上“笑”与“不笑”的标签，生成result.xml训练集文件。使用SVM读取xml，进行训练/预测。
• 结果如下：

2.dlib+gabor+SVM

• The Cohn-Kanade AU-Coded Expression Database (CK+)

  训练好的人脸表情库，在/models/emotions_model.dat(约24.1MB)

• The 10k US Adult Faces Database

  训练好的人脸库，在/models/face_model.dat中(约99.7MB)

• 使用gabor滤波进行边缘检测和纹理特征提取。见gabor.py

• 使用dlib进行脸部landmarks标记。见faces.py

• 使用sklearn创建SVM classifier，clf.predict_proba([features])[0] 预测7个表情的概率

7个表情：'neutral', 'happiness', 'sadness', 'anger', 'fear', 'surprise', 'disgust'

• 最后在test.py调用camera进行实时表情检测，并显示出来。