• dataset 存放数据集*
• resources（测试素材）
• fer-2013.ipynb （CNN的构建与训练）
• FER_Model.h5 训练好的模型*
• FerAPP.py 实时人脸预测（使用QT GUI)
• haarcascade_frontalface_default.xml（OpenCV提供的人脸检测器）
• logo.png（Logo文件）
• RealTimeFER.py 实时人脸预测（OpenCV原始GUI）
• res.qrc（QT资源文件，请用PyRCC转换为res_rc.py）
• res_rc.py（QT资源-Python代码）
• video_page.py（QT GUI代码）
• video_page.ui（QT GUI设计文件，请用QT Designer打开，并用PyUIC工具转换为video_page.py）

主要代码在fer-2013.ipynb中，FER_Model.h5是由该代码训练得出的模型

运行FerApp.py可调用FER_Model.h5演示程序效果。

*数据集和训练好的模型请通过百度网盘下载：

链接:https://pan.baidu.com/s/12N8TofccWOFfETy80V2Qog?pwd=hux7

提取码:hux7

1. 创建虚拟环境

   conda create -n fer python=3.7

2. 激活虚拟环境

   conda activate fer

3. 安装相关Python包

   pip install -r requirements.txt

使用Jyputer NoteBook打开 fer-2013.ipynb 按步骤运行。

python FerApp.py

效果如下：

1. KHAIREDDIN Y, CHEN Z. Facial Emotion Recognition: State of the Art Performance on FER2013【J】.arXiv, 2021.
2. https://github.com/usef-kh/fer
3. https://github.com/bakerv/fer-webcam