写点什么

基于 YOLOv8 的人脸表情识别项目【完整源码数据集 +PyQt5 界面 + 完整训练流程 + 开箱即用】

作者:申公豹
  • 2025-05-26
    陕西
  • 本文字数:2390 字

    阅读完需:约 8 分钟

基于 YOLOv8 的人脸表情识别项目【完整源码数据集+PyQt5 界面+完整训练流程+开箱即用】

基本功能演示


动图展示均为二倍速,且画质压缩,演示效果较差。完整功能以及优秀的效果体验请运行项目亲自体验。

项目摘要

本项目集成了 YOLOv8 表情检测模型PyQt5 图形界面工具,实现了包括图片、文件夹、视频与摄像头等多种输入方式的人脸表情识别功能。配套完整源码与训练流程说明,让你开箱即用、快速部署自己的情绪识别系统,源码打包在文末。

前言

近年来,随着计算机视觉和深度学习的发展,人脸表情识别技术在安防监控、智能人机交互、情绪识别等领域得到了广泛应用。本文将带你构建一个基于 YOLOv8 的人脸表情识别系统,实现从训练模型到图形化界面部署的完整流程。

一、软件核心功能介绍及效果演示

本项目实现的主要功能如下:


  • ✅ 支持 单张图片 的人脸表情检测与识别;

  • ✅ 支持 批量文件夹图片 检测;

  • ✅ 支持对 本地视频文件 进行表情识别;

  • ✅ 支持 实时摄像头表情识别

  • ✅ 可视化结果 实时绘制表情标签与置信度

  • ✅ 检测结果可选择保存为图片或视频;

  • ✅ 使用 PyQt5 构建图形界面,无需命令行操作。

二、软件效果演示

为了直观展示本系统基于 YOLOv8 模型的人脸表情识别能力,本文设计了多种操作场景,涵盖静态图片、批量图片、视频以及实时摄像头流的检测演示。用户通过简洁易用的界面,可以方便地体验不同模式下的人脸表情自动识别过程及其效果,下面依次展示各项功能的具体应用与表现。


(1)单图片检测演示

界面选择一张图片后,YOLOv8 模型自动识别人脸并打上表情标签,如下所示:


(2)多文件夹图片检测演示

选择包含多张图片的文件夹,系统会批量检测每一张图片中的人脸表情,并生成对应输出。


(3)视频检测演示

选择任意本地视频,系统逐帧进行人脸表情识别,动态绘制识别标签:


(4)摄像头检测演示

调用电脑摄像头进行实时检测,适用于人脸识别监控、交互场景。


由于摄像头检测效果与视频检测效果相同,调用打开摄像头即可。


(5)保存图片与视频检测结果

检测完成后,用户可选择是否将结果保存到本地,图片自动标注表情类别,视频按帧绘制结果保存为 mp4 文件。


三、模型的训练、评估与推理

3.1 YOLOv8 的基本原理

YOLOv8 是 Ultralytics 发布的新一代实时目标检测模型,具备如下优势:


  • 速度快:推理速度提升明显;

  • 准确率高:支持 Anchor-Free 架构;

  • 支持分类/检测/分割/姿态多任务

  • 本项目使用 YOLOv8 的 Detection 分支,训练时每类表情均标注为独立目标。


YOLOv8 由 Ultralytics 于 2023 年 1 月 10 日发布,在准确性和速度方面具有尖端性能。在以往 YOLO 版本的基础上,YOLOv8 引入了新的功能和优化,使其成为广泛应用中各种物体检测任务的理想选择。



YOLOv8 原理图如下:


3.2 数据集准备与训练

采用 YOLO 格式的数据集结构如下:


dataset/├── images/│   ├── train/│   └── val/├── labels/│   ├── train/│   └── val/
复制代码


每张图像有对应的 .txt 文件,内容格式为:


4 0.5096721233576642 0.352838390077821 0.3947600423357664 0.31825755058365757
复制代码


表情分类包括(可自定义):


nc: 7names: ["Surprise", "Fear", "Disgust", "Happiness", "Sadness", "Anger", "Neutral"]
复制代码


惊讶、恐惧、厌恶、快乐、悲伤、愤怒、平静



使用 Ultralytics 提供的 CLI 工具:


yolo detect train data=datasets/expression/loopy.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 batch=16 lr0=0.001
复制代码


3.3. 训练结果评估

训练完成后,将在 runs/detect/train 目录生成结果文件,包括:


  • results.png:损失曲线和 mAP 曲线;

  • weights/best.pt:最佳模型权重;

  • confusion_matrix.png:混淆矩阵分析图。


若 mAP@0.5 达到 90% 以上,即可用于部署。


在深度学习领域,我们通常通过观察损失函数下降的曲线来评估模型的训练状态。YOLOv8 训练过程中,主要包含三种损失:定位损失(box_loss)、分类损失(cls_loss)和动态特征损失(dfl_loss)。训练完成后,相关的训练记录和结果文件会保存在 runs/目录下,具体内容如下:


3.4 检测结果识别

使用 PyTorch 推理接口加载模型:


import cv2from ultralytics import YOLOimport torchfrom torch.serialization import safe_globalsfrom ultralytics.nn.tasks import DetectionModel
# 加入可信模型结构safe_globals().add(DetectionModel)
# 加载模型并推理model = YOLO('runs/detect/train/weights/best.pt')results = model('test.jpg', save=True, conf=0.25)
# 获取保存后的图像路径# 默认保存到 runs/detect/predict/ 目录save_path = results[0].save_dir / results[0].path.name
# 使用 OpenCV 加载并显示图像img = cv2.imread(str(save_path))cv2.imshow('Detection Result', img)cv2.waitKey(0)cv2.destroyAllWindows()
复制代码


预测结果包含表情类别、置信度、边框坐标等信息。


四.YOLOV8+YOLOUI 完整源码打包

本文涉及到的完整全部程序文件:包括 python 源码、数据集、训练代码、UI 文件、测试图片视频等(见下图),获取方式见【4.2 完整源码下载】:

4.1 项目开箱即用

作者已将整个工程打包。包含已训练完成的权重,读者可不用自行训练直接运行检测。


运行项目只需输入下面命令。


python main.py
复制代码


读者也可自行配置训练集,或使用打包好的数据集直接训练。


自行训练项目只需输入下面命令。


yolo detect train data=datasets/expression/loopy.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 batch=16 lr0=0.001
复制代码

4.2 完整源码下载

💾 Gitee 项目地址: https://gitee.com/goodnsxxc/yolo-main


包含:


📦完整项目源码

📦 预训练模型权重

🗂️ 数据集地址(含标注脚本)

总结

本项目完整实现了人脸表情识别系统从训练到部署的全流程,具备如下亮点:


✅ 采用 YOLOv8 实现高效目标检测;✅ PyQt5 界面,用户体验良好;✅ 多场景支持,实用性强;✅ 全代码打包+附数据集,适合毕业设计、科研落地、行业应用等场景。

发布于: 刚刚阅读数: 6
用户头像

申公豹

关注

申公豹本豹 2023-06-05 加入

🏆2022年InfoQ写作平台-签约作者 🏆

评论

发布
暂无评论
基于YOLOv8的人脸表情识别项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用】_yolov8_申公豹_InfoQ写作社区