# Ai_face_expression_work

**Repository Path**: livehome/ai_face_expression_work

## Basic Information

- **Project Name**: Ai_face_expression_work
- **Description**: 表情识别宠物音箱
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-01-16
- **Last Updated**: 2026-01-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 面部表情识别系统

## 目录
- [项目简介](#项目简介)
- [项目结构](#项目结构)
- [环境要求](#环境要求)
- [配置说明](#配置说明)
  - [Haar 级联文件](#haar-级联文件)
  - [字体文件](#字体文件)
- [使用步骤](#使用步骤)
  - [1. 数据收集与模型训练](#1-数据收集与模型训练)
  - [2. 实时表情检测](#2-实时表情检测)
- [注意事项](#注意事项)




## 项目简介  
本项目实现一套面部表情识别系统，包含 **模型训练** 与 **实时检测** 两大核心流程，支持识别 **快乐（happy）、愤怒（angry）、悲伤（sad）** 三种表情，并通过语音反馈识别结果。  


## 项目结构  
.
├── train_emotion_model2.py # 数据采集、模型训练及保存
└── facial_expression_detection.py # 实时表情检测 + 语音播报
plaintext


## 环境要求  
基于 **Python 3.8** 环境，依赖以下库（推荐用 conda 虚拟环境管理）：  

| 依赖库          | 版本建议       | 功能说明                     |  
|-----------------|----------------|------------------------------|  
| Python          | 3.8            | 运行环境                     |  
| OpenCV          | -              | 图像采集、人脸检测           |  
| TensorFlow      | 2.14.0         | 模型训练（Keras 后端）       |  
| NumPy           | -              | 数据处理                     |  
| Matplotlib      | -              | 可视化辅助（可选）           |  
| pyttsx3         | -              | 语音播报                     |  
| h5py            | -              | 模型文件存储                 |  
| Pillow          | -              | 图像格式处理                 |  


### 依赖安装命令
  
bash  
pip install opencv-python tensorflow==2.14.0 numpy matplotlib pyttsx3 h5py pillow  
配置说明

1. Haar 级联文件
facial_expression_detection.py 中需指定人脸检测模型路径：
下载地址：OpenCV 官方仓库 - haarcascade_frontalface_default.xml
使用时需修改代码中文件路径，确保与实际保存位置一致。

2. 字体文件
代码通过 simhei.ttf 解决中文显示问题，需确保系统已安装该字体：
Windows：可从 字体资源站 下载安装
Linux/Mac：可通过系统字体管理工具安装或手动配置路径

## 使用步骤


1. 数据收集与模型训练
操作流程：
运行 train_emotion_model2.py，按提示依次做出 快乐、愤怒、悲伤 表情
按 空格键 启动采集，程序自动拍摄 200 帧图像并标注标签
完成采集后，程序自动训练模型并保存结果

执行命令：

bash
python train_emotion_model2.py  
2. 实时表情检测
操作流程：
确保已完成模型训练（即 train_emotion_model2.py 运行成功）
运行 facial_expression_detection.py，摄像头自动开启
按 R 键 启动检测，识别到表情后触发语音播报
按 Q 键 退出程序

执行命令：

bash
python facial_expression_detection.py  


## 注意事项

运行 facial_expression_detection.py 前，必须先通过 train_emotion_model2.py 完成模型训练，否则会因缺失模型文件报错。
若遇 文件不存在 或 加载失败，优先检查：
模型文件、Haar 级联文件路径是否正确
依赖库版本是否与说明一致（尤其 TensorFlow 需 2.14.0）