本项目是用于判断是否闭眼或者张开嘴哈欠和吸烟打电话等手势行为， 功能涵盖7类情绪识别，眨眼判断，哈欠判断，吸烟，打电话等， 达到危险驾驶检测的功能。 项目描述可以看 有问题可以私信 The project was designed to determine gestures such as closing eyes or yawning and smoking or talking on the phone. The functions cover 7 categories of emotion recognition, blinking judgment, yawning judgment, smoking, telephone, etc. to achieve the function of dangerous driving detection. 数据集：闭眼、睁眼、闭嘴、哈欠、打电

利用Dlib的人脸检测模型提取处68个特征点，使用opencv自带的svm模块对采集的样本数据进行训练，得到情绪识别模型，最后通过摄像头采集图像，利用训练的模型实时进行情绪识别。

情绪识别数据集汇总，里面是本人亲自汇总的情绪识别的训练数据集，其中第一个是label标签，表示的是情绪，第二个是数据，是句子。

情绪识别

本文提出了一种新的四维卷积递归神经网络方法，将多通道脑电信号的频率、空间和时间信息显式地整合在一起，提高基于脑电的情绪识别精度。 首先，为了保持脑电的这三种信息，我们将不同通道的差分熵特征转化为4D结构来训练深度模型。 然后，我们引入了由卷积神经网络(CNN)和带有长短时记忆(LSTM)细胞的递归神经网络(recurrent neural network)组合而成的CRNN模型。 使用CNN从每个4D输入的时间切片中学习频率和空间信息，使用LSTM从CNN输出中提取时间依赖性。 LSTM的最后一个节点的输出执行分类。 我们的模型在主题内分裂的SEED和DEAP数据集上都达到了最先进的性能。 实验结果表明，结合脑电的频率、空间和时间信息进行情感识别是有效的。

SEED数据集情绪识别，包含seed数据集所有

rgnn_seed数据集情绪识别代码，包含完整seed数据集

seed数据集EEG情绪识别，包含完整seed数据集

deap数据集情绪识别深度学习代码，这个项目中实现了一个单层和一个双层隐藏层，而且包含完整数据集。

['angry', 'disgust', 'fear','happy', 'sad', 'surprise', 'neutral']七类表情数据集