Python 图像处理与神经网络方法

我目前正在从事一个识别一个人情绪/情绪的项目。 作为第一步，我们正在研究图像识别、检测和跟踪python代码。 我通过各种不同的方法来解决这个问题，并发现了

1） Haar cascade方法（快速但无识别和读取表达式的范围）

2） 神经网络（擅长图像识别，如微笑/愤怒等细节…）

我对神经网络感到困惑

我们可以首先使用haar cascade轻松（非常快速）地检测人脸，然后使用canny边缘检测或裁剪来裁剪出人脸的一部分。 在那之后，我不知道如何继续

这是我的想法。 继续使用haar cascade方法检测面部特征，如眼睛、鼻子、脸颊、嘴唇。。。。 然后找出它们之间的距离，找出比率，我们可以进一步使用这些比率来形成一个神经网络。 不同的内部层将用于检测不同的特征。 我们可以使用微分法通过改变突触的重量来优化成本

这种方法有多好，有没有更好的方法

比如说，我们可以使用canny edge来检测边，然后用边生成一个新矩阵，然后使用它来训练数据。 我不知道，我真的很困惑

---

无论如何，提前感谢您提供的所有答案

图像处理库，例如或是一个很好的起点。例如，这是OpenCV中canny边缘检测的一个示例

关于神经网络，正如所指出的，你必须问问自己，你想从头开始构建多少

---

这是一个基于某些参数（必须为面部特征定义）构建自己的神经网络的示例，我建议您通读其中说明了您可能面临的一些问题（特别是第2部分，其中也涉及图像处理）。

您似乎需要的是卷积神经网络（检查此项以了解它们）

卷积神经网络（简称CNN）是一种神经网络，它学习从图像中提取视觉特征，以及如何关联这些特征来识别图像上的内容，所以你不需要检测所有的特征，只需给CNN一组有标签的人脸图片，它就会学习识别eprson的情绪

---

你可以做的是在每张图片中检测人脸（openCV在检测人脸方面已经足够好了），然后裁剪并对齐每个人脸，使所有人脸大小相同。然后将所有人脸输入CNN，CNN将逐渐学会识别一个人的情绪。

现在你不需要（也不应该）使用这种基于工程的方法。你可以直接在脸上训练卷积神经网络。你能简要介绍一下卷积神经网络吗