3.2.3 面部表情识别系统交互流程设计

工作任务

面部表情识别系统是一种先进的计算机视觉技术，它能够分析人脸的微表情，识别出诸如快乐、悲伤、惊讶等基本情绪。通过捕捉和解读面部特征，如眼睛、眉毛和嘴部的动作，这类系统能在实时或预录的视频中判断人的情感状态。

AI模型说明：提供的已训练模型 emotion-ferplus.onnx，专门用于进行面部表情识别。定义情感类别与数字标签的映射表为：

{'neutral':0, 'happiness':1, 'surprise':2, 'sadness':3, 'anger':4, 'disgust':5, 'fear':6, 'contempt':7}

模型使用交互流程：

1) 加载模型 emotion-ferplus.onnx 和情感类别映射表；
2) 加载本地图片 img_test.png，并预处理图像；
3) 使用已训练的模型对图片面部表情识别；
4) 输出识别后的表情标签。

具体要求

（1）补全该模型使用交互流程对应的Python代码（3.2.3.ipynb），实现本地测试图片 img_test.png 的识别，将识别结果截图保存为 3.2.3-1.jpg。

（2）在上面的使用交互流程基础上，给出在面部表情识别系统中使用该模型的一种人机交互的最优方式，保存为 3.2.3.docx。

场地设备要求

（1）人工智能训练师主机 1 台；
（2）Python 编译环境；
（3）Pytorch框架。

模型路径：onnx/emotion-ferplus.onnx

注意事项

在代码的橙色下划线处填写正确的 Python 代码
请勿修改源代码的其他部分
填写完成后点击 "检查答案" 查看评分
点击 "显示答案" 可直接查看所有参考答案
点击 "重置" 清空所有填写内容

当前得分

0 / 18

In [1] — 导入库 & 预处理函数（只读）只读

# 导入必要的库 import numpy as np from PIL import Image import onnxruntime as ort # 定义预处理函数，用于将图片转换为模型所需的输入格式 def preprocess(image_path): input_shape = (1, 1, 64, 64) img = Image.open(image_path).convert('L') # 转换为灰度图 img = img.resize((64, 64), Image.ANTIALIAS) img_data = np.array(img, dtype=np.float32) img_data = np.expand_dims(img_data, axis=0) # 添加 batch 维度 img_data = np.expand_dims(img_data, axis=1) # 添加 channel 维度 assert img_data.shape == input_shape return img_data

In [2] — 定义映射表 & 加载模型 & 预处理图片 9分

# 定义情感类别与数字标签的映射表 3分 emotion_table = {} # 加载模型 3分 ort_session = # 使用onnxruntime创建会话 # 加载本地图片并进行预处理 3分 input_data =

In [3] — 准备数据 & 运行模型推理 3分

# 准备输入数据，确保其符合模型输入的要求 ort_inputs = {ort_session.get_inputs()[0].name: input_data} # 运行模型，进行预测 3分 ort_outs = (None, )

In [4] — 解码输出 & 显示结果 6分

# 解码模型输出，找到预测概率最高的情感类别 3分 predicted_label = (ort_outs[0]) # 根据预测的标签找到对应的情感名称 3分 predicted_emotion = [predicted_label] # 输出预测的情感 print(f"Predicted emotion: {predicted_emotion}")

人工智能训练师（三级）实操考试 — 3.2.3 面部表情识别系统交互流程设计