为了提高情感可视化的鲁棒性，该文提出了一种面向语音与面部表情信号的情感可视化方法。首先对获取的情感信号进行特征提取，并将其作为神经网络的输入，神经网络的输出即为相应的图案信息，然后通过图像生成模块生成可视化图像，实现对中性、高兴、愤怒、惊奇、悲伤和恐惧六种人类基本情感的可视化。该方法通过组合不同模式的情感特征进入一幅图像中，为人们创造了情感的可读模式，可以直观地展示情感的分类结果。仿真实验结果表明，仅通过语音信号进行可视化的平均正确率是78.0%，而通过该文方法的平均正确率是91.8%，具有良好的鲁棒性和易懂性。

css3实现的面部特效，粒子状，适合大数据展示、科技元素页面、官网背景及页面修饰元素等，颜色、大小等可个性化修改，需要有css基础

本人尝试了几种人脸识别开源或免费的库和SDK（opencv+opencv_contrib-master+cmake, 中科院山世光老师开源的Seetaface, 该代码里用到的虹软免费SDK） 个人感觉虹软的sdk较好吧，还是那句话 两分你买不了吃亏，两分你买不了上当

基于深度学习的人脸面部情感识别的研究_哈工大硕士论文2016

iPhoneX （若是其它有前置深度摄像头的iPhone版本，需要在客户端代码里更改所支持的iPhone版本）面部表情捕捉，利用 TCP 通讯（局域网）把面部表情数据传入到 PC 端，驱动 PC 端 Unity 中的模型，进行表情显示。 另外 iPhone 端程序生成，需要用到 MacOS Xcode。

汉王科技面部识别终端脱机通讯开发指南。 本开发指南版权归汉王科技股份有限公司所有，翻印必究。 本开发指南中述及的其他商标和产品名称是指拥有相应商标和产品名称的公司或者制造的产品。汉王科技对其他公司的商标和产品名称不拥有任何所有权。 使用该开发包，由于人为或程序本身造成数据丢失，概不负责。

人脸工程学的研究内容主要包括人脸识别、表情识别和人脸合成三个部分。本手册分别介绍了人脸识别、表情识别和人脸合成研究中用到的相关理论和算法，最后总结作者所在课题组研究成果的基础上，给出了人脸识别、表情识别和人脸合成系统的设计与实现流程实例。 包含《面部表情编码系统（FACS）---教程》和FACS附录二、三全套文档

已划分训练集、测试集、验证集，亚洲人面部图像，多姿势，多表情，已划分标签。针对深度学习中人脸各种识别任务训练、测试以及验证

基于面部特征的驾驶员疲劳检测

基于OpenCV和Python的Dlib库驾驶疲劳监测代码。包括面部标定、眨眼检测、疲劳监测，包含shape_predictor_68_face_landmarks.dat文件，代码可以运行。