人脸表情识别数据集：CK+

1. CK+有123的子类（人），每个人提供1~7种表情，每种表情是一组序列（总共有593个图像序列，其中327个序列是有表情标签的）：从自然缓慢变化到给定表情

比如上图是人S026做出的某类表情，第一张是自然，缓慢变化到最终是峰值快乐表情

1. 标签 593个序列中只有327个是具有情感序列标签的，情绪类别分别是0=neutral, 1=anger, 2=contempt, 3=disgust, 4=fear, 5=happy, 6=sadness, 7=surprise

某些实验会说明在CK+上的精度，所以需要自己制作为ImageNet式的数据集

import glob
import os
import shutil
import cv2

defcreat_folder():[os.makedirs(os.path.join('results',folder,str(i+1)))for folder in['ckp','ckp_facedet_crop','train','val','test']for i inrange(7)]deftoImageFolder():"""
    将该函数所在脚本与"Emotion_labels"和"extended-cohn-kanade-images"同级，
    成功运行后，会产生ckp文件夹并有1~7共7个子文件夹，总共981张图片（选取最后三张）
    @return:
    """
    i =0for info in os.walk("Emotion_labels/Emotion"):
        abs_path, _, file_names = info  # 获取标签文件所在路径，以及标签文件的名字file_namesif file_names.__len__()>0:# 如果至少存在一个标签，则循环读取标签复制相应图片文件for file_name in file_names:# 获取当前标签的类别withopen(os.path.join(abs_path, file_name))as f:
                    label_context = f.readline()
                    label_index = label_context.strip()[0]# 标签仅记录序列图片中感情最强烈的图片[pos=-1]，但是倒数几张[pos=-1,-2,-3]其实都很强烈，可以作为数据集
                img_root_path = abs_path.replace("Emotion_labels/Emotion","extended-cohn-kanade-images/cohn-kanade-images")
                img_paths = glob.glob(img_root_path +"/*")for img_path in img_paths[-3:]:# 选取最后三张# 将label路径修改为"xx/类别/文件名"路径
                    src = img_path
                    dst = os.path.join('results',"ckp", label_index,
                                       img_path.split(os.path.sep)[-1])# eg: 'ckp\\3\\S005_001_00000009.png'
                    shutil.copyfile(src, dst)
                    i +=1print("图片总数：", i)defface_crop():"""
    遍历ckp每个子文件夹下的所有图片，进行人脸检测并裁剪
    @return:
    """defface_detect(img_path):
        image = cv2.imread(img_path)
        image_draw = image.copy()
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
        faces = face_detector.detectMultiScale(gray,1.02,20)for x, y, w, h in faces:
            face_img = image[y:y + h, x:x + w]
            cv2.rectangle(image_draw,(x, y),(x + w, y + h),(0,0,255),2)
        dst = img_path.replace("ckp",'ckp_facedet_crop')# 需要创建文件夹
        cv2.imwrite(dst, face_img)

    i =0for sub in glob.glob("results/ckp/*"):for img_path in glob.glob(sub +"/*"):
            face_detect(img_path)
            i +=1if i %50==0:print(i)defcp_splite_img():"""
    根据同级的train_list.txt、val_list.txt、test_list.txt，
    分割文件我用PaddleX GUI划分，也可以手动划分
    按ImageNet式数据集划分标签进行train、val和test划分
    @return:
    """defcp_train_data():"""
        读取train_list.txt文件，并将所属train数据复制到train文件夹内
        @return:
        """withopen("train_list.txt")as f:
            file_datas=f.readlines()for data in file_datas:
                path,index=data.split(" ")
                src = os.path.join('results','ckp_facedet_crop', path)
                dst=os.path.join('results',"train",path)
                shutil.copyfile(src,dst)defcp_val_data():withopen("val_list.txt")as f:
            file_datas=f.readlines()for data in file_datas:
                path,index=data.split(" ")
                src = os.path.join('results','ckp_facedet_crop', path)
                dst=os.path.join('results',"val",path)
                shutil.copy(src,dst)defcp_test_data():withopen("test_list.txt")as f:
            file_datas=f.readlines()for data in file_datas:
                path,index=data.split(" ")
                src = os.path.join('results','ckp_facedet_crop', path)
                dst=os.path.join('results',"test",path)
                shutil.copy(src,dst)

    cp_train_data()
    cp_val_data()
    cp_test_data()if __name__=="__main__":"""
    同级目录下，应当包含：
        Emotion_labels：CK+标签文件夹
        extended-cohn-kanade-images：CK+图像文件夹
        ck+process.py：本程序
        haarcascade_frontalface_default.xml：opencv人脸检测器
        test_list.txt：分割列表
        train_list：分割列表
        val_list：分割列表
    """print("创建文件夹......")
    creat_folder()print("开始处理ImageFolder......")
    toImageFolder()# 将原始CK+整理为ImageFolder形式，复制到ckp文件夹print("开始处理人脸检测裁剪......,裁剪后请手动处理裁剪失败的样本")
    face_crop()# 遍历ckp文件夹所有图像进行人脸检测裁剪，$少许裁剪失败，需手动修复print("开始train、val和test划分......")
    cp_splite_img()# 根据同级的train_list.txt、val_list.txt、test_list.txt，进行train、val和test划分