此仓库已弃用，TF 2.0 重写版本请访问：

https://github.com/oarriaga/paz

---

人脸分类与检测。

使用 fer2013/IMDB 数据集，结合 Keras CNN 模型和 OpenCV，实现实时人脸检测及情绪/性别分类。

• IMDB 性别分类测试准确率：96%。
• fer2013 情绪分类测试准确率：66%。

更多信息请参阅 论文

情绪/性别的示例：

引导反向传播

实时演示：

B-IT-BOTS 机器人团队 :)

使用说明

运行实时情绪演示：

python3 video_emotion_color_demo.py

运行实时引导反向传播演示：

python3 image_gradcam_demo.py

对单张图片进行推理：

python3 image_emotion_gender_demo.py

例如：

python3 image_emotion_gender_demo.py ../images/test_image.jpg

使用 Docker 运行

只需几个步骤，即可运行自己的人脸分类与检测系统。请按照以下命令操作：

• docker pull ekholabs/face-classifier
• docker run -d -p 8084:8084 --name=face-classifier ekholabs/face-classifier
• curl -v -F image=@[path_to_image] http://localhost:8084/classifyImage > image.png

训练用于情绪分类的现有或新模型：

• 从 这里 下载 fer2013.tar.gz 文件。

• 将下载的文件移动到本仓库内的 datasets 目录中。

• 解压文件：

tar -xzf fer2013.tar

• 运行 train_emotion_classification.py 文件

python3 train_emotion_classifier.py

训练用于性别分类的现有或新模型：

• 从 这里 下载 imdb_crop.tar 文件（点击标题为“Download faces only”的 7GB 按钮）。

• 将下载的文件移动到本仓库内的 datasets 目录中。

• 解压文件：

tar -xfv imdb_crop.tar

• 运行 train_gender_classification.py 文件

python3 train_gender_classifier.py

face_classification 快速上手指南

注意：本仓库已停止维护（Deprecated）。如需基于 TensorFlow 2.0 的最新版本，请访问 paz。以下指南仅适用于当前遗留版本。

face_classification 是一个基于 Keras CNN 和 OpenCV 的实时人脸检测、情绪识别及性别分类工具。

• 性别分类准确率 (IMDB 数据集): 96%
• 情绪分类准确率 (fer2013 数据集): 66%

环境准备

• 操作系统: Linux / macOS (Windows 需配置相应 Python 环境)
• Python 版本: Python 3.x
• 核心依赖:
  • TensorFlow (Keras)
  • OpenCV (opencv-python)
  • NumPy
  • SciPy
  • PIL/Pillow

确保已安装 pip 和 git。

安装步骤

方法一：源码安装（推荐）

1. 克隆仓库：

   git clone https://github.com/oarriaga/face_classification.git
   cd face_classification
   

2. 安装 Python 依赖：

   pip3 install -r requirements.txt
   

   (注：若根目录无 requirements.txt，请手动安装核心库：pip3 install tensorflow opencv-python numpy scipy pillow)

3. 下载预训练模型与数据集（可选，用于重新训练）：

   • 本项目通常需在首次运行时自动下载预训练权重，或从 release 页面获取。
   • 若需重新训练情绪模型，请下载 fer2013.tar.gz 并放入 datasets 目录解压。
   • 若需重新训练性别模型，请下载 imdb_crop.tar 并放入 datasets 目录解压。

方法二：Docker 运行（最简便）

无需配置本地环境，直接拉取镜像运行服务：

# 拉取镜像
docker pull ekholabs/face-classifier

# 启动容器
docker run -d -p 8084:8084 --name=face-classifier ekholabs/face-classifier

基本使用

1. 单张图片推理（情绪与性别）

对指定图片进行情绪和性别分析：

python3 image_emotion_gender_demo.py <image_path>

示例：

python3 image_emotion_gender_demo.py ../images/test_image.jpg

2. 实时摄像头演示（情绪识别）

调用摄像头进行实时人脸情绪检测：

python3 video_emotion_color_demo.py

3. 可视化引导反向传播（Grad-CAM）

生成带有热力图的分析结果，展示模型关注区域：

python3 image_gradcam_demo.py

4. Docker API 调用

如果使用 Docker 部署，可通过 HTTP 请求上传图片进行分类：

curl -v -F image=@[path_to_image] http://localhost:8084/classifyImage > image.png

将 [path_to_image] 替换为实际图片路径。

---

更多技术细节请参考原仓库中的 报告文档。