简介这份资源是面向计算机相关专业学生与项目实战学习者的Python期末大作业完整源码主题为基于CNN的人脸表情识别系统适合作为课程设计参考或深度学习入门练手项目。压缩包共23个文件约19.17MB以10个py脚本为核心涵盖数据读取、模型定义、训练与识别等模块另含png、jpeg图像素材、tfrecord数据文件、xml与html页面、md说明文档等结构完整便于按模块查阅。目前已有144人学习下载说明该方案在同类作业中具备一定参考价值。项目经导师指导并通过评审源码均本地编译运行、严格调试读者可据此掌握卷积神经网络搭建、表情数据预处理、模型训练与摄像头/图片识别推理的完整流程并借鉴其目录组织与排错思路快速完成自己的大作业或实战练习。1. 从一份期末大作业说起CNN 人脸表情识别到底能跑出什么效果期末周前两周实验室里最常见的一幕是有人拿着「Python期末大作业基于CNN的人脸表情识别系统源码.zip」来问这东西解压完能不能直接跑、跑出来准不准、答辩时老师会问什么。我当年也踩过这个坑解压、装环境、改路径、调 batch size折腾到凌晨三点最后发现模型在测试集上 60% 出头演示时摄像头一开识别结果全是「中性」。这不是源码的问题是整条链路里几个关键环节没对齐。人脸表情识别Facial Expression RecognitionFER本质是一个图像分类任务输入一张对齐后的人脸输出 7 类基本表情——生气、厌恶、恐惧、开心、悲伤、惊讶、中性。CNN 在这里干的事就是从像素里逐层抽出边缘、纹理、局部器官形状最后映射到表情类别。它适合谁适合正在做课程设计、想拿一个完整可演示项目练手的人也适合已经会写 Python、想补上「数据预处理 → 模型训练 → 推理部署」这条完整链路的人。但如果你指望它直接商用、或者拿它去刷高精度榜单那得先看清它的边界。这份源码类项目的价值不在「代码有多长」而在于它把 FER 的完整流程压缩成了一个可复现的最小闭环。你要做的不是复制粘贴而是理解每一层为什么这么搭、参数为什么这么设、哪里最容易翻车。下面按「先立住原理再动手复现最后排坑」的顺序拆开讲。2. 拆开这份 CNN 源码数据、网络、训练三块怎么咬合2.1 表情数据集长什么样为什么 FER2013 是绕不开的起点绝大多数课程设计源码用的都是 FER2013。它包含 35887 张 48×48 灰度人脸图7 类表情训练集 28709 张、验证集 3589 张、测试集 3589 张。这个数据集的特点是分辨率低、标注有噪声、类别不均衡「开心」和「中性」样本多「厌恶」和「恐惧」样本少。源码里如果直接按文件夹读图不做任何均衡处理模型会倾向于预测多数类这就是为什么很多人跑出来「中性」占比特别高。常见做法是先用torchvision.datasets.ImageFolder或自定义Dataset把图片读成张量再做归一化。FER2013 的像素均值大约在 0.5 附近标准差也接近 0.5所以Normalize((0.5,), (0.5,))是合理起点。如果你用的是 RGB 三通道版本就把均值标准差都设成(0.5, 0.5, 0.5)。import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms # FER2013 单通道灰度图48x48 train_transform transforms.Compose([ transforms.Grayscale(num_output_channels1), # 强制单通道 transforms.RandomHorizontalFlip(p0.5), # 表情左右翻转不改变语义 transforms.RandomRotation(10), # 小角度旋转增强 transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,)) # 单通道均值和标准差 ]) train_set datasets.ImageFolder(data/train, transformtrain_transform) train_loader DataLoader(train_set, batch_size64, shuffleTrue, num_workers2)这段代码里三个参数值得盯住batch_size64是课程设计里比较稳的值显存不够就降到 32num_workers2在 Windows 上如果报错就改成 0RandomHorizontalFlip对表情识别是安全的因为左右翻转不会把「开心」变成「悲伤」。但RandomRotation别开太大超过 15 度人脸关键点会偏反而引入噪声。2.2 一个能跑通的 CNN 结构三层卷积够不够源码里常见的网络结构是 3 到 4 个卷积块每个块是「Conv → ReLU → MaxPool」最后接全连接层。对于 48×48 的输入三层卷积已经能覆盖整张图的感受野。下面是一个我常用的最小可用结构import torch.nn as nn class SmallFERNet(nn.Module): def __init__(self, num_classes7): super().__init__() self.features nn.Sequential( # 输入 1x48x48 - 32x24x24 nn.Conv2d(1, 32, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 32x24x24 - 64x12x12 nn.Conv2d(32, 64, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 64x12x12 - 128x6x6 nn.Conv2d(64, 128, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(128 * 6 * 6, 256), nn.ReLU(inplaceTrue), nn.Dropout(0.5), # 防过拟合 nn.Linear(256, num_classes) ) def forward(self, x): return self.classifier(self.features(x))padding1配合kernel_size3保证卷积后尺寸不变池化层每次把宽高减半。三层之后特征图是 128×6×6展平后 4608 维接 256 维全连接再输出 7 类。Dropout(0.5)在课程设计规模的数据上很关键不加的话训练集准确率能到 95% 以上验证集卡在 60% 不动这就是典型的过拟合。2.3 训练循环里必须盯住的四个量训练代码本身不复杂但四个量决定了模型能不能收敛学习率、损失函数、优化器、验证频率。课程设计里最稳的组合是Adam CrossEntropyLoss lr1e-3每训练一个 epoch 就在验证集上跑一次。import torch.optim as optim device torch.device(cuda if torch.cuda.is_available() else cpu) model SmallFERNet(num_classes7).to(device) criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.parameters(), lr1e-3) for epoch in range(30): model.train() for imgs, labels in train_loader: imgs, labels imgs.to(device), labels.to(device) optimizer.zero_grad() outputs model(imgs) loss criterion(outputs, labels) loss.backward() optimizer.step() # 验证阶段 model.eval() correct, total 0, 0 with torch.no_grad(): for imgs, labels in val_loader: imgs, labels imgs.to(device), labels.to(device) preds model(imgs).argmax(dim1) correct (preds labels).sum().item() total labels.size(0) print(fEpoch {epoch1}, Val Acc: {correct/total:.4f})lr1e-3是 Adam 的常用起点如果 loss 震荡就降到 5e-4CrossEntropyLoss内部已经做了 softmax不要在模型最后再加一层 softmax验证时一定要model.eval()和torch.no_grad()否则 dropout 和 batchnorm 会继续更新验证结果不可信。30 个 epoch 在单卡上大约 10 到 15 分钟如果验证准确率在第 10 个 epoch 后不再上升就可以停了。3. 从源码到能演示的系统推理、摄像头、界面怎么接3.1 单张图片推理把模型从训练模式切到部署模式训练完的模型要保存权重推理时重新加载。这里最容易翻车的地方是训练时用了Normalize推理时忘了做同样的归一化结果模型输出全是乱的。from PIL import Image def predict_image(model, img_path, device): model.eval() transform transforms.Compose([ transforms.Grayscale(num_output_channels1), transforms.Resize((48, 48)), transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,)) # 必须和训练一致 ]) img Image.open(img_path) tensor transform(img).unsqueeze(0).to(device) # 增加 batch 维度 with torch.no_grad(): logits model(tensor) prob torch.softmax(logits, dim1) pred prob.argmax(dim1).item() return pred, prob[0][pred].item()unsqueeze(0)是把单张图变成1×1×48×48因为模型 forward 期望有 batch 维度。torch.softmax把 logits 转成概率方便你看到置信度。如果置信度低于 0.4基本可以认为模型在「猜」这时候要么换图要么检查人脸有没有对齐。3.2 摄像头实时识别帧率、人脸检测、表情分类三段式课程设计演示环节最出彩的是摄像头实时识别。完整链路是OpenCV 读帧 → 人脸检测器裁出人脸 → 预处理 → CNN 分类 → 在画面上画框和标签。人脸检测用 OpenCV 自带的 Haar 级联就够不需要额外装模型。import cv2 face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) cap cv2.VideoCapture(0) 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) for (x, y, w, h) in faces: roi gray[y:yh, x:xw] roi cv2.resize(roi, (48, 48)) roi roi.astype(float32) / 255.0 roi (roi - 0.5) / 0.5 # 等价于 Normalize((0.5,), (0.5,)) tensor torch.from_numpy(roi).unsqueeze(0).unsqueeze(0).to(device) with torch.no_grad(): pred model(tensor).argmax(dim1).item() cv2.rectangle(frame, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(frame, EMOTIONS[pred], (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2) cv2.imshow(FER Demo, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()scaleFactor1.1和minNeighbors5是 Haar 检测的常用参数前者控制每次缩放比例后者控制检测框的严格程度。minNeighbors调大误检少但漏检多调小反过来。摄像头帧率如果掉到 10 帧以下把检测间隔改成每两帧检测一次中间帧沿用上一次的框。3.3 用 Tkinter 或 Gradio 包一层界面答辩时省一半解释时间源码里如果带界面通常是 Tkinter 或 PyQt。Tkinter 更轻适合课程设计。核心逻辑就是按钮触发文件选择、调用predict_image、把结果显示在 Label 上。如果你不想写桌面界面用 Gradio 三行代码就能起一个网页版演示import gradio as gr def classify(img): pred, conf predict_image(model, img, device) return f{EMOTIONS[pred]} ({conf:.2f}) gr.Interface(fnclassify, inputsimage, outputstext).launch()gr.Interface会自动生成上传图片和显示文本的页面launch()默认在本地起服务。答辩时直接浏览器打开比现场配环境稳得多。4. 避坑排查这份源码跑不起来时先看这五条4.1 报错「No module named torch」或版本冲突现象解压后直接python main.py提示找不到 torch或者装了 torch 但torchvision版本不匹配。原因源码作者的环境和你不一样requirements 里可能没锁版本。解决先建虚拟环境再按torch → torchvision → opencv-python → pillow的顺序装torch 去官网选对应 CUDA 版本的命令不要直接pip install torch碰运气。装完用python -c import torch; print(torch.__version__)确认。4.2 路径写死导致「FileNotFoundError」现象代码里写的是D:/dataset/fer2013/train你解压到E:/course/下直接报错。原因课程设计源码常见问题作者在自己机器上跑通就打包了。解决全局搜data/、dataset/、D:、C:这些字符串改成相对路径或os.path.join(BASE_DIR, data)。更稳的做法是在文件开头定义BASE_DIR os.path.dirname(os.path.abspath(__file__))所有路径基于它拼。4.3 验证准确率卡在 25% 不动现象训练 loss 缓慢下降但验证准确率一直在 25% 左右接近随机猜。原因最常见的是标签和图片没对齐ImageFolder按文件夹名排序映射类别如果你的文件夹名是0,1,2...而标签文件是另一套顺序就全错位了。解决打印train_set.class_to_idx确认映射关系再检查标签文件里的类别顺序是否一致。另一个原因是学习率太大导致梯度爆炸把lr降到1e-4试一个 epoch。4.4 摄像头画面卡顿或检测不到人脸现象cv2.VideoCapture(0)打开后画面延迟严重或者人脸框一直不出现。原因分辨率太高导致每帧处理慢或者光照太暗 Haar 检测失效。解决把cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)和HEIGHT, 480设上降低输入尺寸检测前做直方图均衡化cv2.equalizeHist(gray)如果还不行换cv2.CascadeClassifier的frontalface_alt2模型对侧脸更稳。4.5 演示时预测结果全是「中性」现象训练时验证准确率有 60% 多但摄像头一开不管什么表情都输出「中性」。原因FER2013 里「中性」样本占比最高模型学到了「预测中性最安全」这个捷径另外摄像头裁出的人脸和数据集里的人脸分布差异大模型没泛化过去。解决训练时给CrossEntropyLoss加weight参数做类别加权权重按类别频率的倒数算推理时如果置信度低于 0.5显示「不确定」而不是硬输出一个类别演示前用几张自己拍的表情图先测一遍确认模型在你的光照条件下能工作。5. 让这份大作业多拿几分类别加权与置信度阈值的组合技巧课程设计答辩时老师最常问的两个问题是「你这个模型为什么准」和「不准的时候怎么办」。前四章把「怎么跑通」讲完了这一章说一个能让你的系统从「能演示」变成「有说法」的技巧把类别加权和置信度阈值组合起来用。FER2013 的类别分布大致是开心 8989 张、中性 6198 张、悲伤 6077 张、生气 4953 张、惊讶 4002 张、恐惧 4097 张、厌恶 547 张。厌恶类只有 547 张模型几乎学不到。直接训练的结果是厌恶类召回率接近 0。解决办法是在损失函数里给每个类别一个权重权重和样本数成反比import numpy as np # 按训练集类别计数算权重 class_counts np.array([4953, 547, 5121, 8989, 6077, 4002, 6198], dtypenp.float32) weights 1.0 / class_counts weights weights / weights.sum() * len(class_counts) # 归一化均值约为 1 class_weights torch.tensor(weights).to(device) criterion nn.CrossEntropyLoss(weightclass_weights)这段代码的关键是weights / weights.sum() * len(class_counts)它让权重均值保持在 1 附近避免整体 loss 尺度变化太大导致学习率需要重调。加完权重后厌恶类的召回率通常能从个位数拉到 30% 以上整体准确率可能掉 1 到 2 个百分点但模型更「公平」了答辩时这是一个很好的讨论点。第二个技巧是推理时的置信度阈值。模型输出的 softmax 概率不是校准过的高置信度不一定对但低置信度大概率不可靠。我一般会在演示系统里加一个判断如果最大概率低于 0.45就显示「表情不明显」而不是硬报一个类别。这个阈值怎么定在验证集上跑一遍画出置信度分布看正确预测和错误预测的分布交叉点在哪里取那个位置附近的值。课程设计里不用做得太精细0.4 到 0.5 之间选一个演示效果会稳很多。还有一个容易被忽略的点输入人脸的对齐。Haar 检测出来的框不一定正如果人脸有旋转48×48 的输入里五官位置会偏模型精度掉得厉害。如果时间允许加一个简单的眼睛检测用两眼连线角度做旋转校正再裁人脸。这一步在课程设计里算加分项代码量不大但演示时侧脸也能识别观感提升明显。最后说一个我自己的习惯每次改完参数先把训练日志里的验证准确率和混淆矩阵存下来别只记一个最终数字。答辩时老师问「哪个类最容易混」你直接翻出混淆矩阵指出「恐惧和惊讶混得多因为两者眉毛和嘴巴形状接近」这比背稿子有说服力。模型这东西跑通只是起点能说清楚它哪里不行、为什么不行才是这份大作业真正值钱的地方。希望帮到你。本文还有配套的精品资源点击获取