人体关键点检测及教学应用之人脸表情识别

2023-01-30于方军焦玉杰山东省淄博市博山区山头中心学校

中国信息技术教育 2023年1期

于方军焦玉杰山东省淄博市博山区山头中心学校

孙丽君山东省淄博第二中学

人类的面部表情常见的有高兴、愤怒、悲伤、吃惊、厌恶和恐惧等。MediaPipe中的面部识别（Face Mesh）能识别468个脸部关键点，如图1所示是识别脸部关键点及放大后的嘴部特征点，其中上下嘴唇中间特征点标号分别是13、14。

图1 MediaPipe识别的脸部关键点及嘴部放大图

首先从嘴部坐标识别入手，了解脸部关键点检测过程，并借助上下嘴唇中间关键点坐标距离做一个控制舵机的程序，控制对应的开源机器人模仿人开口说话；然后通过OpenMMlab开发的MMEdu工具，体验基于MMEdu实现的表情识别，了解表情识别的流程；接着介绍苹果系统如何通过unity插件，把采集到的人脸关键点信息投射到数字人脸部，让数字人拥有人的脸部表情表达。

● 机器人嘴部控制——借助舵机转动角度控制嘴部开闭

利用采集到的脸部关键点数据，找到上下嘴唇中间点13、14的y坐标变化，结合用开源硬件制作的表情机器人Fritz模型，可以实现简单的张嘴、闭嘴控制，硬件选用arduino板，用pinpong库进行控制。

获取嘴部关键点坐标，通过下页表1中的代码读取嘴部关键点13（上嘴唇中间点）、关键点14（下嘴唇中间点）的y坐标，在MediaPipe中用图像高度的像素值w与这个读取坐标值相乘，得出该点的像素坐标。闭嘴和张嘴两种状态，y坐标的差值大约在0～28像素之间。

表1 嘴部关键点13、14坐标读取及代码

用舵机控制脚连接开源硬件arduino板的8脚，控制其转动的角度。安装pinpong库（用pip install pinpong安装），用from pinpong.board import Board，Pin，Servo导入pinpong库的舵机（Servo）控制，使用时需要先定义好输出脚，本例中笔者定义8脚为输出脚，运行代码，根据实时采集到的嘴部13、14关键点坐标差值变化，映射设为舵机角度变化，并控制接在arduino板8脚的舵机转动角度。代码及效果如图2所示。

图2 控制Fritz表情机器人嘴部动作代码及效果演示

本案例只是对MediaPipe提供的训练好的模型的一个简单应用，对于要训练的特定的表情表现如“开心”“生气”“伤心”“惊讶”等，爱好者可以自己设计一个神经网络模型，并用采集到的数据训练它，让计算机学习认识各种特定表情。

● 复杂表情识别——借助云计算平台实现从数据中学习

在计算机硬件性能不足以支持大数据集的模型训练时，可以借助网络云计算平台，如www.openinnolab.org.cn。平台上有很多人工智能的案例，分为MMEdu和BaseEdu两个分支，本案例采用MMEdu的图像分类模块MMClassification（简称MMCls）完成模型训练，平台提供了CPU和GPU模式选择，本案例选择了GPU模式。

选择合适数据集，笔者把Kaggle比赛的7个情绪类公开数据集精简为4个，分别为开心（Happy）、生气（Angry）、伤心（Sad）、惊讶（Surprise），数据集图片类型为png图像，大小为48×48像素。trainning_set为训练集，val_set为验证集，test_set为测试集。四个数据集标签为：0 Angry；1 Happy；2 Sad；3 Surprise。文本文件classes.txt说明类别名称与序号的对应关系，val.txt说明验证集图片路径与类别序号的对应关系。数据集文件夹结构及对应文件如图3所示。

图3 数据集文件夹结构及对应文件

（1）克隆并搭建模型。首先通过平台提供的克隆操作，把平台提供的案例克隆到项目中并修改、运行。接着在导入MMedu的分类模块后，实例化一个神经网络模型，MMEdu提供了很多常用的网络模型，如LeNet、MobileNet、ResNet50等。指定分类的类别数，如本例中为4类。指定数据集路径和训练完成后数据集存放路径，即可完成模型搭建。上页图4所示为模型搭建代码。

图4 模型搭建代码

（2）模型训练。通过model.train（）开始训练，把所有数据都训练一遍为一轮，共训练100轮，“validate=True”表示每轮训练后，在验证集上测试一次准确率，本案例用device=’cuda’表示选用GPU模式，实测100轮共训练了3.5小时（如图5）。

图5 模型训练代码及过程

（3）表情识别过程。当训练好模型后，上传要识别的图片yuxi.png，代码中要识别的图片改为上传图片，导入对应的模型文件，加载训练好的权重文件（best_accuracy_top-1_epoch_65.pth），指定后分类标签文件classes.txt，输出识别结果为开心（happy）（如图6）。

图6 表情识别过程代码及结果

通过分析代码，我们看到搭建模型只需要5行代码，训练模型需要1行代码，部署应用模型需要4行代码，相比之下，MMEdu结构简洁，代码复杂度低，特别适合于基础教育的人工智能教学。

● 表情识别应用——借助专用设备把表情投射到虚拟数字人

在本案例中，只要下载对应的包就可以实现简单的表情捕捉与投射，下面以unity为例进行脸部表情捕捉演示。

先在unity的PackManager包管理菜单中，使用“Add package from git URL”下载live capture包（URL填入com.unity.live-capture即可），并把自带的实例资源一起导入，示例资源可以直接使用。

在支持深感摄像头的IOS客户端的App Store中，查找并安装Unity Face Capture，在计算机端进行相应的防火墙设置，启动其companion App server后，启动移动端的Face Capture就可以连接计算机端，实时捕捉人脸表情，并投射到unity中的数字人面部（如图7）。