基于CNN的人脸表情识别：深度学习在计算机视觉中的经典应用

本项目由liyevz70-oss在GitHub发布（原始标题：facial-emotion-recognition-cnn1），旨在使用卷积神经网络（CNN）实现人脸表情识别系统。核心内容涵盖数据集、模型架构、训练流程及应用场景，是深度学习与计算机视觉领域的经典入门项目，兼具学术价值与实际应用前景。

人类基本情绪（愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性）具有跨文化一致性（Paul Ekman研究）。传统表情识别依赖手工特征（如LBP、HOG）+分类器（如SVM），但在复杂场景（光照、姿态变化等）鲁棒性差。CNN可自动学习层次化特征（从边缘到表情），端到端学习方式提升泛化能力。

CNN核心组件包括：卷积层（提取局部特征）、激活函数（ReLU引入非线性）、池化层（下采样降维）、批归一化（加速收敛）、Dropout（防止过拟合）、全连接层（映射到分类输出）、Softmax（概率分布转换）。架构演进：LeNet-5（基础）→AlexNet（ReLU/GPU训练）→VGGNet（小卷积核+深层）→ResNet（残差连接解决梯度消失）→轻量级网络（MobileNet等，适合实时应用）。

1. FER2013：最常用，含35887张48x48灰度图，7种表情，训练集28709张、测试集3589张；
2. CK+：实验室高质量数据集，593个视频序列，标注动作单元与表情；
3. AffectNet：百万级野外图像，标注表情类别与效价-唤醒度；
4. RAF-DB：3万张多样化人脸，标注基本与复合表情。

数据预处理：人脸检测（Haar级联、MTCNN等）→对齐（眼睛位置调整）→归一化（像素缩放）→增强（旋转、翻转等）； 模型训练：交叉熵损失→Adam/SGD优化器→学习率调度→早停； 类别不平衡处理：过采样/欠采样、类别权重、Focal Loss。

应用场景包括：人机交互（智能助手调整策略）、教育辅助（学生专注度监测）、市场研究（广告效果评估）、医疗健康（精神疾病辅助诊断）、游戏娱乐（剧情调整）、驾驶安全（疲劳预警）、安防监控（异常情绪识别）。

挑战：个体差异（文化/年龄/性别）、表情细微性、遮挡/姿态影响、标签歧义、对抗攻击； 方向：多模态融合（语音/文本/生理信号）、自监督学习（无标注预训练）、领域自适应（新场景泛化）、可解释AI（决策依据）。

本项目覆盖深度学习图像分类完整流程（预处理→训练→部署），是入门计算机视觉的优质练手项目。随着技术进步，表情识别将在人机交互、智能服务等领域发挥更重要作用。