演示用app，表情识别基于微软人脸识别API，可以在点击表情后自动多次拍照，拍照界面已经做了隐藏处理，当与预定义的表情序列匹配后人之成功。 敲击识别的功能上也差不多，是基于加速传感器和录音机实现的，保证较高的准确率，可以设置识别的敲击次数。

CapsuleNet用于微表达识别 描述 这是用于微表情识别的CapsuleNet论文的源代码，该论文加入了第二次面部微表情识别任务的微表情大挑战。 如果您认为此代码有用，请按如下方式引用我们的论文： # Bibtex @INPROCEEDINGS{Quang2019Capsulenet, author={N. V. {Quang} and J. {Chun} and T. {Tokuyama}}, booktitle={2019 14th IEEE International Conference on Automatic Face Gesture Recognition (FG 2019)}, title={CapsuleNet for Micro-Expression Recognition}, year={2019}, volume={}, nu

作者peacemoon，代码LaughCamera-master。LaughCamera 是带有脸部表情识别的 iOS 相机库。

通过训练jaffe数据库，实现识别人脸高兴、惊讶、恐惧、生气等六种表情，并圈出。可调用电脑摄像头实时监测。内附有使用说明，可以使用。仅供学习参考。

基于卷积神经网络的学生课堂面部表情识别研究.pdf

表情识别模型 https://zhangzhe.blog.csdn.net/article/details/90210720

Dataset from https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data Image Properties: 48 x 48 pixels (2304 bytes) labels: 0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral The training set consists of 28,709 examples. The public test set consists of 3,589 examples. The private test set consists of another 3,589 examples. 原链接网速过慢，特上传一份仅供学习

基于SVM人脸表情识别，c++编写，可以直接点击运行，已经训练好的模型，下载好直接点击就可以看见效果，无需配置环境

用于表情识别，affectnet数据集

情绪识别 该存储库的目的是通过深度学习探索面部表情识别 环境： python 2.7 pytorch 0.3.0 GTX 1080 楷模： VGG Face微调可用于基于图像的表情识别 VGG + GRU用于基于视频的表情识别 Resnet + GRU用于基于视频的表情识别 型号详情： VGG Face 我们使用进行微调，使用FER2013数据集进行分类。 首先，我们通过将caffe模型转换为Pytorch模型，我们提供了转换后的。FER2013数据库包含35889张图像：用于培训的28709张图像，用于公共测试的3589张图像，以及用于私人测试的3589张图像。 我们使用训练数据和公共测试数据进行训练，并使用私人测试数据评估模型性能。 在这里，我们提供已 用法： 首先下载FER2013数据集（需要解压缩）和pytorch模型（VGG_Face_torch