简介一份面向计算机视觉课程期末作业与深度学习入门实践的人脸情绪识别项目基于OpenCV与深度学习完成人脸检测、表情分类等完整流程适合有Python基础的学生参考或二次开发。资源共9个文件压缩包约12.15MB主要包含3个Python脚本训练、推理及辅助模块、Caffe人脸检测模型res10 SSD caffemodel、Keras情绪分类模型文件h5与json、网络配置文本及README说明结构清晰能够直接对照学习模型加载、预处理和预测逻辑。该项目源码已经本地编译验证可运行期末作业评审分达到95分以上内容经受助教审定难度适中且覆盖人脸图像输入、人脸框提取和七类情绪识别输出等关键环节已有371人学习下载对于需要完成类似课设或想快速搭建情绪识别演示系统的同学是一份可落地的完整参考。读者可借助其中的训练脚本、已训练模型和使用示例快速复现效果并进一步调整数据集或网络结构开展扩展实验。1. 人脸情绪识别期末大作业用 OpenCV 和深度学习把「能跑」做成「能讲」期末计算机视觉课程里人脸情绪识别是出现频率最高的选题之一。python、opencv、深度学习三个关键词凑在一起就构成了一条完整的技术链路OpenCV 负责在画面中把人脸框出来深度学习模型负责判断这张脸是高兴、难过还是惊讶python 则把两头串起来形成一套可演示的实时系统。这个项目没有复杂的硬件依赖普通笔记本加上一个摄像头就能跑这也是它成为期末大作业标准套餐的原因。这篇文章从数据集处理、CNN 模型设计到训练参数和踩坑记录完整走一遍目标是你照着做完既能交付代码也能在答辩时把事情讲明白。2. 为什么是「OpenCV 检测 CNN 分类」技术选型先立住答辩才有话讲2.1 人脸检测与情绪分类本来就是两个不同任务先拆一个很多作业都会混淆的点人脸情绪识别不是一步到位的。摄像头画面里可能有三个人、一堆复杂背景得先确定人脸在哪个位置才能判断脸上的表情。如果直接把整帧画面喂给分类模型背景噪声会严重干扰卷积核提取表情特征测试准确率会非常难看。所以标准流水线是两段式OpenCV 的 Haar 级联分类器做人脸检测把人脸区域裁出来再把这个区域交给 CNN 做情绪分类。两个任务对算法的要求完全不同前者要速度快、能实时跟住人脸后者要特征表达能力强、能区分细微表情差异分开处理反而每一步都能讲得清楚。Haar 级联是 OpenCV 里最经典的物体识别入口也是很多人第一次接触到的检测算法。它把上千个弱分类器串成级联结构逐级筛选候选区域在 CPU 上处理 640x480 的画面单人脸检测只要 10 到 20 毫秒不需要 GPU 就能达成实时。这个特性对学生作业非常关键因为教室和宿舍里的演示机器往往没有独立显卡Haar 恰好能在这种环境下稳定工作。工业场景里也有 Halcon 这类商业视觉库识别功能齐全但授权费用高教育项目基本默认用 OpenCV这也是把题目定为 OpenCV 深度学习而不是其它组合的现实原因。2.2 人脸检测的三条路线Haar、OpenCV DNN、MTCNN做 OpenCV 图像处理项目时选型不能凭感觉。人脸检测市面上有三条常见路线它们的运行环境和精度差异很大。我用下面这张对比表向同学和老师解释过很多次你可以直接用在答辩 PPT 里。方案运行环境单帧耗时精度特征部署难度适合场景OpenCV Haar 级联CPU10-20ms正脸好侧脸和遮挡易漏加载一个 xml 文件即可期末演示、摄像头实时OpenCV DNNSSD ResNetCPU/GPU40ms 左右侧脸、遮挡、小脸都更稳需要额外下载模型文件有独立显卡、追求演示效果MTCNN 三阶段网络CPU/GPU100ms 以上自带人脸关键点精度最高需要安装 mtcnn 包或手写推理后续要做人脸对齐的扩展项目实际做期末项目时Haar 的精度已经足够。情绪分类的输入是 48x48 的灰度人脸图本身对检测框的精细度要求不高。OpenCV DNN 虽然精度更高但依赖外下载的 .caffemodel 文件网络上这类文件的来源鱼龙混杂答辩前换个电脑运行容易出幺蛾子。MTCNN 更适合做加分项如果你打算扩展年龄 性别 情绪三任务识别再引入它也不迟。基础版老老实实选 Haar把时间花在分类模型上。2.3 分类模型选型自建 CNN 为什么比迁移学习更适合大作业情绪分类模型有两条路自己搭 CNN或者加载 MobileNetV2、ResNet50 做迁移学习。期末大作业我一般推荐自建 CNN原因有三个。第一参数规模可控一个约 130 万参数的三层卷积网络CPU 上训练一个晚上能出结果ResNet50 光特征提取部分就是它的近二十倍没有 GPU 的笔记本很难在期限内完成训练。第二答辩时老师几乎必问每一层卷积为什么这么设计自建网络的每一层输出尺寸变化都能完整讲出来黑匣子越少越有底气。第三FER2013 数据集本身只有三万多张 48x48 灰度图用大网络在这个规模上训练很容易过拟合小网络反而泛化表现更好。那迁移学习完全不用吗也不是。《深度学习入门》这本书里强调了小型数据集上的一个核心观点模型容量要匹配数据量。FER2013 的输入分辨率太低、样本量有限喂给 MobileNetV2 这种为 ImageNet 设计的网络前置层学到的边缘和纹理特征在 48x48 图上根本不匹配。如果你之后要扩展多任务识别再考虑用迁移学习给多个任务共享一个特征提取器那是有价值的方案期末作业的基础版本自建三层 CNN 足够而且训练过程、损失曲线这些素材都能变成答辩加分项。3. 用 FER2013 数据集和预处理把情绪样本喂进网络3.1 FER2013 数据集结构CSV 里藏着一张 48x48 灰度图情绪识别入门最常遇到的数据集是 FER2013Kaggle 上可以下载文件名是 fer2013.csv。这个数据集很特殊它没有按图片文件分目录存放而是把每张图以 48x48 的灰度像素值压成了一行字符串。第一次打开 CSV 的人往往会愣住说好的图片数据集怎么只有三列数据。这三列分别是 emotion、pixels、Usage。emotion 是 0 到 6 的整数标签对应 Angry、Disgust、Fear、Happy、Sad、Surprise、Neutral 七类pixels 是 2304 个空格分隔的数字数值范围 0 到 255Usage 标记这行数据属于 Training、PublicTest 还是 PrivateTest。读取这个 CSV 的常见写法如下注意解析像素字符串的方式。import pandas as pd import numpy as np # fer2013.csv 需要与脚本放在同一目录 df pd.read_csv(fer2013.csv) print(df.shape) # (35887, 3) print(df[Usage].value_counts()) # 查看三个子集的样本量 # 把 pixels 字符串解析成 48x48 的灰度数组 def parse_pixels(pixel_str): arr np.array(pixel_str.split(), dtypenp.float32) return arr.reshape(48, 48) # 按官方划分切分数据集 train_df df[df[Usage] Training] val_df df[df[Usage] PublicTest] test_df df[df[Usage] PrivateTest] X_train np.stack([parse_pixels(p) for p in train_df[pixels]]) y_train train_df[emotion].values.astype(np.int32)这里用 float32 而不是 uint8 的原因是后续训练要做归一化float32 能省去计算过程中的类型转换开销也稍微省内存。reshape(48, 48) 假设字符串分割后有精确的 2304 个数如果数据集里有损坏样本会直接抛错这也是数据清洗的正常环节。y_train 保留为整数标签是为了读取直观后面训练时会用 to_categorical 转成 one-hot 形式。3.2 归一化、补通道与 one-hot喂给 CNN 前的最后三步CNN 输入层的标准形状是 (batch, height, width, channels)。FER2013 的像素本来就是灰度值没有彩色通道所以要先在数组末尾补一个维度把每个样本变成 48x48x1。归一化这步很多人会漏直接用 0 到 255 的原始值训练梯度更新时数值波动很大训练曲线会像锯齿一样上下乱跳除以 255 之后所有像素落在 0 到 1 区间收敛要平滑得多。这个细节处理得好不好基本决定了训练进程的顺畅程度。# 补通道维度(样本数, 48, 48) - (样本数, 48, 48, 1) X_train X_train[..., np.newaxis] X_val X_val[..., np.newaxis] X_test X_test[..., np.newaxis] # 归一化到 [0, 1]三份数据统一除以 255.0 X_train X_train.astype(float32) / 255.0 X_val X_val.astype(float32) / 255.0 X_test X_test.astype(float32) / 255.0 # 标签转 one-hot情绪类别固定为 7 from tensorflow.keras.utils import to_categorical num_classes 7 y_train_onehot to_categorical(y_train, num_classes) y_val_onehot to_categorical(y_val, num_classes) y_test_onehot to_categorical(y_test, num_classes)这里有一个容易翻车的细节如果是自己采集的数据集做 min-max 归一化求最小值最大值的操作只能在训练集上做然后把训练集的这组参数直接套到验证集和测试集上。如果三份数据各自算各自的归一化验证集一旦出现比训练集更极端的新像素值整个数据分布就错位了。FER2013 像素范围固定是 0 到 255写死 255.0 不会出错但要养成只从训练集学习归一化参数的意识。3.3 数据增强七类情绪样本本来就不平衡FER2013 的类别分布很不均匀Happy 类样本接近九千张Disgust 类只有六百张左右。直接拿原始数据训练Disgust 的准确率往往只有个位数因为模型根本没有见过足够的正样本。除了不平衡本身48x48 的原始人脸图里左右偏移、旋转角度也各不相同数据增强能让模型学会对脸没摆正的情况保持鲁棒。Keras 的 ImageDataGenerator 是现成的工具几行配置就能在训练时在线生成变换后的样本不需要额外占用磁盘空间。from tensorflow.keras.preprocessing.image import ImageDataGenerator datagen ImageDataGenerator( rotation_range10, # 随机旋转正负 10 度 width_shift_range0.1, # 水平方向随机平移 10% height_shift_range0.1, # 垂直方向随机平移 10% zoom_range0.1, # 随机缩放 10% horizontal_flipTrue, # 允许水平翻转 fill_modenearest # 平移后产生的空白用最近邻像素填充 ) # 训练时用 flow 生成增强数据batch_size 在这里定义 train_flow datagen.flow(X_train, y_train_onehot, batch_size64)fill_mode 是新手最容易忽略的参数。旋转和平移后图像边缘会出现空白区域nearest 表示用邻近像素值填满如果默认填零灰度图四周会多出一圈黑边这就给卷积核引入了原图不存在的边缘特征直接影响训练结果。rotation_range 不要超过 15 度表情识别对角度比通用物体分类更敏感旋转太大会把一张开心脸扭曲成无法辨认的表情反而干扰学习。另外强调一点数据增强只作用于训练集验证集和测试集必须保持原始图像否则验证指标里混进了增强后的重复样本评估结果就失真了。4. 搭建 CNN 并跑通训练网络结构、训练参数与过拟合判断4.1 适合 48x48 灰度图的小型 CNN 结构自建 CNN 的核心思路是特征图数量逐层翻倍、空间尺寸逐层减半。输入是 48x48 单通道灰度图第一层卷积用 3x3 卷积核加 paddingsame保持尺寸不变输出 32 个特征图后面接 BatchNormalization 和 2x2 最大池化把尺寸压到 24x24。这样经过三层卷积池化后空间尺寸从 48 缩减到 6特征图数量从 32 依次翻到 64、128最后展平接全连接层输出七个类别的概率。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import ( Conv2D, MaxPooling2D, Flatten, Dense, Dropout, BatchNormalization ) model Sequential() # 第一层48x48x1 - 48x48x32paddingsame 保持空间尺寸 model.add(Conv2D(32, (3, 3), activationrelu, paddingsame, input_shape(48, 48, 1))) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size(2, 2))) # 48x48 - 24x24 # 第二层24x24x32 - 24x24x64池化后到 12x12 model.add(Conv2D(64, (3, 3), activationrelu, paddingsame)) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size(2, 2))) # 24x24 - 12x12 # 第三层12x12x64 - 12x12x128池化后到 6x6 model.add(Conv2D(128, (3, 3), activationrelu, paddingsame)) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size(2, 2))) # 12x12 - 6x6 # 分类头展平 - 256 全连接 - Dropout - 7 分类 model.add(Flatten()) model.add(Dense(256, activationrelu)) model.add(Dropout(0.5)) model.add(Dense(7, activationsoftmax)) model.compile( optimizeradam, losscategorical_crossentropy, metrics[accuracy] ) model.summary()每个 Conv2D 后面接 BatchNormalization 是刻意设计的。它把每层输出重新拉回到均值为 0、方差为 1 的分布让梯度传播更平稳同时降低网络对初始化权重和学习率波动的敏感度。Dropout 放在全连接层前训练时随机丢弃一半神经元强制模型不要把判断依据过分集中在少数几个节点上这是控制过拟合最有效的一层。激活函数全用 ReLU最后一层切到 softmax输出七个类别的概率并且总和为 1既方便取 argmax 得到类别也方便读取置信度。全连接层定到 256 而不是更大是踩过坑之后的选择。见过不少同学把全连接堆到 1024在 FER2013 这个规模的数据集上训练集准确率能冲到 99%验证集却只有 50% 出头这就是过拟合的教科书级症状。模型容量要和数据规模匹配48x48 的低分辨率输入信息量本来有限硬塞超大参数量只会让网络去死记训练集。对 130 万参数左右的这个小网络来说数据增强加 Dropout 加正则化远比堆层数堆宽度有效。4.2 训练参数与回调让模型自己找合适的学习率网络结构定了之后训练配置直接决定结果。Adam 优化器配 0.001 初始学习率是图像分类任务公认的起点损失函数用 categorical_crossentropy。训练时两个回调函数建议必加EarlyStopping 监控验证集损失连续多轮不下降就自动停训并回滚到验证集最优的权重ReduceLROnPlateau 在损失进入平台期时自动把学习率减半帮模型跳出局部极小点继续收敛这正好呼应《动手学深度学习》里反复强调的验证集思维。from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau early_stop EarlyStopping( monitorval_loss, patience8, # 验证损失 8 轮不下降就停止 restore_best_weightsTrue # 恢复验证集表现最好的权重 ) reduce_lr ReduceLROnPlateau( monitorval_loss, factor0.5, # 学习率缩小一半 patience3, # 3 轮不下降就触发 min_lr1e-6 # 学习率下限防止降过头 ) history model.fit( train_flow, # 已经包含数据增强的生成器 validation_data(X_val, y_val_onehot), epochs50, callbacks[early_stop, reduce_lr], verbose1 ) model.save(emotion_model.h5)注意train_flow 里已经设置了 batch_size64fit 中不要再重复传否则会与生成器的设定冲突。epochs 填 50 只是上限实际训练通常二十轮以内就会被 EarlyStopping 截停。这里最值得说的是 restore_best_weightsTrue少了这个参数EarlyStopping 触发后模型权重停留在最后一轮而不是历史最优的一轮验证集准确率可能凭空差出三到五个百分点。CPU 训练这个规模的网络一个 epoch 大约三到五分钟完整训练一个晚上能跑完有 NVIDIA 显卡的话可以把 epochs 上限调到 60最终准确率有机会到 68% 左右这个数字在 FER2013 上已经是比较合理的结果人类专家在该数据集上的表现也就在 65% 上下。4.3 评估别只看准确率把混淆矩阵拉出来答辩时被问效果到底怎么样只报一个准确率数字是不够的。这个项目最好把混淆矩阵打印出来具体讲清楚哪两类最容易互相认错。实际训练结果里Fear 和 Sad 经常混淆Happy 的识别准确率最高Disgust 因为样本数量太少通常是七类里最差的。这些现象本身就是很好的答辩素材能体现你对数据分布和模型行为有真实的理解。from sklearn.metrics import confusion_matrix, classification_report import seaborn as sns import matplotlib.pyplot as plt # 在测试集上做预测 y_pred model.predict(X_test, verbose0) y_pred_idx np.argmax(y_pred, axis1) y_true_idx np.argmax(y_test_onehot, axis1) cm confusion_matrix(y_true_idx, y_pred_idx) labels [Angry, Disgust, Fear, Happy, Sad, Surprise, Neutral] plt.figure(figsize(8, 6)) sns.heatmap(cm, annotTrue, fmtd, xticklabelslabels, yticklabelslabels, cmapBlues) plt.xlabel(Predicted) plt.ylabel(True) plt.savefig(confusion_matrix.png, dpi150) print(classification_report(y_true_idx, y_pred_idx, target_nameslabels))classification_report 会给出每一类的 precision、recall 和 f1-score答辩时可以拿 Disgust 的 recall 低来说数据分析比单报一个总准确率有说服力得多。针对类别不平衡改进思路有两个方向一是计算类别权重在损失函数里给少样本类别更高的权重二是单独给 Disgust 多生成增强样本把训练分布稍微拉平衡一点。期末作业做到这一步说明你已经不是停留在跑通代码的阶段而是真正在分析模型行为了。5. 期末项目避坑从装 OpenCV 到训练不收敛的 5 个翻车现场5.1 报错 No module named cv2pip 装错包名现象照着网上的教程执行了 pip install opencv然后在代码里 import cv2解释器直接抛出 ModuleNotFoundError: No module named cv2。原因PyPI 上根本没有 opencv 这个包名正确包名是 opencv-python。装混的人实际装了一个和 OpenCV 无关的第三方库import 当然失败。这个坑在每年的期末季都会重复出现属于最高频的起步报错。解决先卸载装错的包再装正确名称建议连 contrib 增强版一起装上。pip uninstall opencv -y pip install opencv-python opencv-contrib-python python -c import cv2; print(cv2.__version__)装完后打印版本号验证正常会输出 4.x.x。如果打印时卡住或报告 DLL 加载失败多半是 Python 版本和 opencv-python 的 wheel 不匹配。比如 Python 3.8 配较旧的 opencv-python 在某些 Windows 环境可能出现导入崩溃解决办法是升级 opencv-python 到新版本或者新建一个 Python 3.10 以上的虚拟环境。5.2 opencv 装完却在 IDE 里找不到 cv2多环境冲突现象命令行里执行 python -c import cv2 完全正常但到了 PyCharm 或 Jupyter Notebook 里一运行就报 ModuleNotFoundError。原因大部分情况是 pip 把包装进了系统 Python而 IDE 默认使用的是虚拟环境里的解释器两个环境彼此隔离。还有一部分是 conda 和 pip 混用openCV 被装到了不同的 site-packages 目录而 IDE 只认其中一个。解决统一用虚拟环境管理依赖不要在系统环境里直接 pip 安装。python -m venv venv # Windows venv\Scripts\activate # macOS / Linux source venv/bin/activate pip install opencv-python tensorflow pandas numpy激活虚拟环境后重复执行 python -c import cv2; print(cv2.version) 确认无误然后在 IDE 的项目解释器设置里手动切换到 venv 路径。排查多环境问题的万能方法是先打印解释器位置import sys; print(sys.executable)再对比包安装到了哪里一眼就能定位是哪个环境在捣乱。5.3 cv2.error: OpenCV(4.4.0) 报 Haar 级联加载失败现象代码运行到 cv2.CascadeClassifier(haarcascade_frontalface_default.xml) 时没有报错但调用 detectMultiScale 时突然抛出 cv2.error: OpenCV(4.4.0) ... error: (-215:Assertion failed) !empty()程序直接崩溃。原因CascadeClassifier 构造时不会检查文件是否存在路径不对也会返回一个空对象真正的错误要等 detectMultiScale 用到内部数据时才暴露出来。很多人从网上复制的代码xml 文件根本没有下载到本地或者写死了只有自己机器上存在的绝对路径。解决使用 OpenCV 自带的级联文件路径它在安装包内部通过 cv2.data.haarcascades 拼接任何机器上都能加载。import cv2 # 使用安装包内置的 Haar 级联文件不需要手动下载 xml face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) # 显式检查加载结果失败就直接提示 if face_cascade.empty(): raise IOError(Haar cascade file not loaded, check cv2.data.haarcascades path)之前帮人排查时还遇到一种情况xml 文件存在但代码写的是绝对路径拿到老师电脑上一跑就崩。用内置路径或者相对路径才能保证代码换一台机器也能复现。答辩前多换一台电脑跑一遍完整流程是检验代码工程质量最笨也最有效的办法。5.4 解析 pixels 时 reshape 报错数据行长度对不上现象执行 parse_pixels 时numpy 抛出 ValueError报告数组长度无法 reshape 成 48x48。原因正常像素字符串分割后是精确的 2304 个数字。但某些来源的数据集存在异常行可能多了或少了几个数字str.split() 后的长度不是 2304硬 reshape 必然失败。解决在解析函数里加长度校验异常样本直接跳过并统计丢弃数量。def parse_pixels(pixel_str, expected2304): parts pixel_str.split() if len(parts) ! expected: return None # 跳过异常样本 arr np.array(parts, dtypenp.float32) return arr.reshape(48, 48) # 解析时过滤掉 None X_train_list [] for p in train_df[pixels]: img parse_pixels(p) if img is not None: X_train_list.append(img)标准 FER2013 数据集上这类问题很少出现但自己爬数据做扩展时极常见。另一个相关的坑是输入尺寸不一致模型定义里写 48x48实际喂进去的图是 96x96一样会报 shape 不匹配。训练前把 model.input_shape 和数据 shape 打印出来对齐一遍能省掉大量排查时间。5.5 训练 Loss 卡在 1.94 附近不动模型根本没在学现象训练曲线里 Loss 一直平在 1.94 左右准确率停在 20% 以下几十个 epoch 过去没有任何改善。原因七个类别的随机猜测 Loss 是 ln(7) 约等于 1.9459。Loss 卡在这个数值附近说明模型完全没有学到东西。最常见的原因是忘了做归一化像素值 0 到 255 直接喂进网络梯度更新幅度过大导致权重在初始点附近来回震荡其次是标签和输入没对齐X_train 和 y_train 来自同一个 DataFrame 的不同行行列对应关系错位。解决回到数据管线逐项检查。确认 x / 255.0 归一化已经做确认 one-hot 标签形状是 (样本数, 7)确认 X_train 与 y_train 按行严格对应。还有一个很有效的自检方式训练前随机挑一个 batch 数据跑一次 model.predict看输出概率是否接近 1/7 的均匀分布如果异常就停住改数据管道不要盲目等训练跑完。6. 进阶把模型接到摄像头做实时情绪识别6.1 摄像头实时推理的完整循环训练好的 emotion_model.h5 要接到摄像头上才算完整交付。OpenCV 打开摄像头后逐帧读取每帧先转灰度再用 Haar 检测人脸把检测到的人脸区域 resize 到 48x48归一化后送进模型推理。这里的预处理流程必须和训练时完全一致灰度、48x48、除以 255、补通道任何一步不一致识别效果都会明显缩水。import cv2 import numpy as np from tensorflow.keras.models import load_model model load_model(emotion_model.h5) face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) labels [Angry, Disgust, Fear, Happy, Sad, Surprise, Neutral] cap cv2.VideoCapture(0) if not cap.isOpened(): raise IOError(Camera not available) while True: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale( gray, scaleFactor1.1, minNeighbors5, minSize(48, 48) ) for (x, y, w, h) in faces: face gray[y:y h, x:x w] face cv2.resize(face, (48, 48)) face face.astype(float32) / 255.0 face face.reshape(1, 48, 48, 1) pred model.predict(face, verbose0)[0] idx int(np.argmax(pred)) cv2.rectangle(frame, (x, y), (x w, y h), (0, 255, 0), 2) cv2.putText(frame, labels[idx], (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 255, 0), 2) cv2.imshow(Emotion Recognition, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()detectMultiScale 的三个参数对实时效果影响很大scaleFactor1.1 表示每次按 10% 比例缩小图像值越小检测越精细但耗时越长minNeighbors5 控制候选框合并阈值调大能滤除误检但可能漏掉小脸minSize(48, 48) 正好对齐模型输入尺寸小于这个尺寸的人脸直接跳过。实际演示中这个配置在单人人脸场景能达到实时帧率。6.2 让演示效果更稳的三招实时演示最尴尬的画面是情绪标签疯狂跳动前一帧 Happy、后一帧 Sad观感很差。模型对单帧的判断本来就有波动我的习惯是加一个五帧投票缓冲用一个队列存最近五帧的预测类别最终显示出现次数最多的那个。标签变化一下就平滑了代码量很小答辩时也能用一句话讲清楚原理。另外两个值得做的改进一是把模型转成 TensorFlow Lite 格式低端 CPU 上推理速度能再快一倍左右适合在教室旧机器上演示二是结合人脸关键点做人脸对齐把眼睛位置旋转到水平后再送入模型能显著提升侧脸情况下的识别准确率。这些都属于加分项基础版先把帧率和标签平滑做好演示效果已经完全够出彩。期末项目本质上考的是完整交付能力把 OpenCV 检测、数据预处理、CNN 训练和实时推理串成一条干净的流水线比用多复杂的模型更重要。我自己第一次做这个题目时把全连接层堆到 1024 导致严重过拟合熬夜调参换来的教训就是先跑通小网络再谈优化。希望帮到你。本文还有配套的精品资源点击获取