精华内容
下载资源
问答
  • 中国情绪图片库

    2018-05-09 15:21:42
    由图片引起的人类脑电信号的研究,可利用中国情绪图片库做为刺激。
  • 中国情绪图片库.rar

    2019-11-15 11:38:16
    中国情绪图片库.rar 由图片引起的人类脑电信号的研究,可利用中国情绪图片库做为刺激。 中国情绪图片库.rar 由图片引起的人类脑电信号的研究,可利用中国情绪图片库做为刺激。 中国情绪图片库.rar 由图片引起的...
  • 中国情绪图片库.pdf

    2019-11-28 18:08:46
    由图片引起的人类脑电信号的研究,可利用中国情绪图片库做为刺激。 ,可供借鉴学习!简单方便实用 ,欢迎下载!希望能帮助到大家。
  • 然后在本地文件夹准备好要进行情绪识别的图片/相片。 代码 介绍下所使用的第三方 ——urllib2是使用各种协议完成打开url的一个 ——time是对时间进行处理的一个,以下代码中其实就使用了sleep()和...

    准备工作

    首先,需要在Face++的主页注册一个账号,在控制台去获取API Key和API Secret。

    然后在本地文件夹准备好要进行情绪识别的图片/相片。

     

    代码

    介绍下所使用的第三方库

    ——urllib2是使用各种协议完成打开url的一个库

    ——time是对时间进行处理的一个库,以下代码中其实就使用了sleep()和localtime()两个函数,sleep()是用来让程序暂停几秒的,localtime()是格式化时间戳为本地的时间

    ——xlwt是对excel进行写入操作的一个库

    ——os是操作系统的相关功能的一个库,例如用来处理文件和目录之类的

    ——json (Emmmmmm……我也不知道该怎么解释这个)

    ——PIL是Python图像处理库

      1 # -*- coding: utf-8 -*-
      2 # version:python2.7.13
      3 # author:Ivy Wong
      4 
      5 # 导入相关模块
      6 import urllib2
      7 import time, xlwt, os,json
      8 from PIL import Image
      9 
     10 # 使用face++的api识别情绪
     11 def useapi(img):
     12     http_url = 'https://api-cn.faceplusplus.com/facepp/v3/detect'
     13     boundary = '----------%s' % hex(int(time.time() * 1000))
     14     data = []
     15     data.append('--%s' % boundary)
     16     data.append('Content-Disposition: form-data; name="%s"\r\n' % 'api_key')
     17     data.append(key)
     18     data.append('--%s' % boundary)
     19     data.append('Content-Disposition: form-data; name="%s"\r\n' % 'api_secret')
     20     data.append(secret)
     21     data.append('--%s' % boundary)
     22     fr = open(img, 'rb')
     23     data.append('Content-Disposition: form-data; name="%s"; filename=" "' % 'image_file')
     24     data.append('Content-Type: %s\r\n' % 'application/octet-stream')
     25     data.append(fr.read())
     26     fr.close()
     27     data.append('1')
     28     data.append('--%s' % boundary)
     29     data.append('Content-Disposition: form-data; name="%s"\r\n' % 'return_attributes')
     30     data.append("gender,age,emotion,ethnicity")# 这里可以还可以返回其他参数,具体可以参看face++的api文档
     31     data.append('--%s--\r\n' % boundary)
     32 
     33     http_body = '\r\n'.join(data)
     34     # build http request
     35     req = urllib2.Request(http_url)
     36     # header
     37     req.add_header('Content-Type', 'multipart/form-data; boundary=%s' % boundary)
     38     req.add_data(http_body)
     39     try:
     40         resp = urllib2.urlopen(req,timeout=5)
     41         qrcont = json.load(resp)
     42     except urllib2.HTTPError as e:
     43         print e.read()
     44     return qrcont
     45 
     46 
     47 # 将json字典写入excel
     48 # 变量用来循环时控制写入单元格,感觉这种方式有点傻,但暂时想不到优化方法
     49 def writeexcel(img, worksheet, row, files_name):
     50     parsed = useapi(img)
     51     if not parsed['faces']:
     52         print 'This picture do not have any face'
     53     else:
     54         if len(parsed['faces'])<=5: # 由于免费API限制,只能返回5张人脸信息
     55             for list_item in parsed['faces']:
     56                 # 写入文件名
     57                 filename, extension = os.path.splitext(files_name)
     58                 worksheet.write(row, 0, filename)
     59 
     60                 # 写入时间戳
     61                 daystamp, timestamp, hourstamp = gettimestamp(img)
     62                 worksheet.write(row, 1, label=daystamp)
     63                 worksheet.write(row, 2, label=timestamp)
     64                 worksheet.write(row, 3, hourstamp)
     65 
     66                 # 写入api返回的数据
     67                 emotion = []
     68                 for key1, value1 in list_item.items():
     69                     if key1 == 'attributes':
     70                         for key2, value2 in value1.items():
     71                             if key2 == 'age':
     72                                 worksheet.write(row, 5, value2['value'])
     73                             elif key2 == 'emotion':
     74                                 for key3, value3 in value2.items():
     75                                     if key3 == 'sadness':
     76                                         worksheet.write(row, 8, value3)
     77                                         emotion.append(value3)
     78                                     elif key3 == 'neutral':
     79                                         worksheet.write(row, 9, value3)
     80                                         emotion.append(value3)
     81                                     elif key3 == 'disgust':
     82                                         worksheet.write(row, 10, value3)
     83                                         emotion.append(value3)
     84                                     elif key3 == 'anger':
     85                                         worksheet.write(row, 11, value3)
     86                                         emotion.append(value3)
     87                                     elif key3 == 'surprise':
     88                                         worksheet.write(row, 12, value3)
     89                                         emotion.append(value3)
     90                                     elif key3 == 'fear':
     91                                         worksheet.write(row, 13, value3)
     92                                         emotion.append(value3)
     93                                     else:
     94                                         worksheet.write(row, 14, value3)
     95                                         emotion.append(value3)
     96                             elif key2 == 'gender':
     97                                 worksheet.write(row, 6, value2['value'])
     98                             elif key2 == 'ethnicity':
     99                                 worksheet.write(row, 7, value2['value'])
    100                             else:
    101                                 pass
    102                     elif key1 == 'face_token':
    103                         worksheet.write(row, 4, value1)
    104                     else:
    105                         pass
    106                 worksheet.write(row, 15, emotion.index(max(emotion)))
    107 
    108                 # 写入概率最大的情绪,0-neutral,1-sadness,2-disgust,3-anger,4-surprise,5-fear,6-happiness
    109                 row += 1
    110         else:
    111             for list_item in parsed['faces'][0:5]:
    112                 # 写入文件名
    113                 filename, extension = os.path.splitext(files_name)
    114                 worksheet.write(row, 0, filename)
    115 
    116                 # 写入时间戳
    117                 daystamp, timestamp, hourstamp = gettimestamp(img)
    118                 worksheet.write(row, 1, label=daystamp)
    119                 worksheet.write(row, 2, label=timestamp)
    120                 worksheet.write(row, 3, hourstamp)
    121 
    122                 # 写入api返回的数据
    123                 emotion = []
    124                 for key1, value1 in list_item.items():
    125                     if key1 == 'attributes':
    126                         for key2, value2 in value1.items():
    127                             if key2 == 'age':
    128                                 worksheet.write(row, 5, value2['value'])
    129                             elif key2 == 'emotion':
    130                                 for key3, value3 in value2.items():
    131                                     if key3 == 'sadness':
    132                                         worksheet.write(row, 8, value3)
    133                                         emotion.append(value3)
    134                                         print '1'
    135                                     elif key3 == 'neutral':
    136                                         worksheet.write(row, 9, value3)
    137                                         emotion.append(value3)
    138                                         print '2'
    139                                     elif key3 == 'disgust':
    140                                         worksheet.write(row, 10, value3)
    141                                         emotion.append(value3)
    142                                         print '3'
    143                                     elif key3 == 'anger':
    144                                         worksheet.write(row, 11, value3)
    145                                         emotion.append(value3)
    146                                         print '4'
    147                                     elif key3 == 'surprise':
    148                                         worksheet.write(row, 12, value3)
    149                                         emotion.append(value3)
    150                                         print '5'
    151                                     elif key3 == 'fear':
    152                                         worksheet.write(row, 13, value3)
    153                                         emotion.append(value3)
    154                                         print '6'
    155                                     else:
    156                                         worksheet.write(row, 14, value3)
    157                                         emotion.append(value3)
    158                                         print '7'
    159                             elif key2 == 'gender':
    160                                 worksheet.write(row, 6, value2['value'])
    161                             elif key2 == 'ethnicity':
    162                                 worksheet.write(row, 7, value2['value'])
    163                             else:
    164                                 pass
    165                     elif key1 == 'face_token':
    166                         worksheet.write(row, 4, value1)
    167                     else:
    168                         pass
    169                 worksheet.write(row, 15, emotion.index(max(emotion)))
    170                 # 写入概率最大的情绪,0-neutral,1-sadness,2-disgust,3-anger,4-surprise,5-fear,6-happiness
    171                 row += 1
    172                 print 'Success! The pic ' + str(files_name) + ' was detected!'
    173 
    174     return row, worksheet
    175 
    176 # 获取图片大小
    177 def imagesize(img):
    178     Img = Image.open(img)
    179     w, h = Img.size
    180     return w,h
    181 
    182 # 获取时间戳
    183 def gettimestamp(path):
    184     statinfo = os.stat(path)
    185     timeinfo = time.localtime(statinfo.st_ctime)
    186     daystamp = str(timeinfo.tm_year) + '-' + str(timeinfo.tm_mon) + '-' + str(timeinfo.tm_mday)
    187     timestamp = str(timeinfo.tm_hour) + ':' + str(timeinfo.tm_min) + ':' + str(timeinfo.tm_sec)
    188     hourstamp = timeinfo.tm_hour + timeinfo.tm_min / 60.0 + timeinfo.tm_sec / 3600.0
    189     return daystamp, timestamp, hourstamp
    190 
    191 
    192 key = "your_key"
    193 secret = "your_secret"
    194 path = r"图片文件夹路径"
    195 # 注意:由于我是对同一文件夹下的多个文件夹中的图片进行识别,所以这个path是图片所在文件夹的上一级文件夹。文件夹名尽量使用英文与数字,不然可能因为编码问题报错
    196 
    197 # 创建excel
    198 workbook = xlwt.Workbook(encoding='utf-8')
    199 
    200 for root, dirs, files in os.walk(path, topdown=False):
    201     for folder in dirs:
    202         print 'Let us start dealing with folder ' + folder
    203 
    204         # 创建一个新的sheet
    205         worksheet = workbook.add_sheet(folder)
    206         # 设置表头
    207         title = ['PhotoID', 'daystamp', 'timestamp', 'hourstamp','faceID', 'age', 'gender', 'ethnicity', 'sadness',
    208                  'neutral','disgust', 'anger', 'surprise', 'fear', 'happiness', 'emotion']
    209         for col in range(len(title)):
    210             worksheet.write(0, col, title[col])
    211 
    212         # 遍历每个folder里的图片
    213         row = 1
    214         for root2, dirs2, files2 in os.walk(path + '\\' + folder):
    215             for files_name in files2:
    216                 img = path + '\\' + folder + '\\' + files_name
    217                 try:
    218                     print 'Now, the program is going to deal with ' + folder + ' pic' + str(files_name)
    219                     w,h=imagesize(img)
    220                     if w<48 or h<48 or w>4096 or h>4096:#API对图片大小的限制
    221                         print 'invalid image size'
    222                     else:
    223                         row, worksheet = writeexcel(img, worksheet, row, files_name)
    224 
    225                 except:
    226                     print '超过了并发数!等一下!'
    227                     time.sleep(3)
    228                     print 'The program is going to work'
    229                     print 'Now, the program is going to deal with ' + folder + ' pic' + str(files_name)
    230                     row, worksheet = writeexcel(img, worksheet, row, files_name)
    231 
    232 
    233         workbook.save('detactface_facepp_flickr.xls')
    234         print 'The current folder is done.'
    235 
    236 # 保存文件
    237 workbook.save('detectface.xls')
    238 print 'All done!'

     

    成果

    最后生成的excel大概是这个样子。

    其中emotion就是概率最大的情绪,0-neutral,1-sadness,2-disgust,3-anger,4-surprise,5-fear,6-happiness。

     

    探讨

    在我自己运行过程中发现了一个问题,由于使用的是免费API,有并发限制,多次超过并发数,urlopen就会返回403。于是try失败,运行except,return时无定义的qrcont而报错。

    1     try:
    2         resp = urllib2.urlopen(req,timeout=5)
    3         qrcont = json.load(resp)
    4     except urllib2.HTTPError as e:
    5         print e.read()
    6     return qrcont

    这就非常尴尬了,所以目前基本上都是大晚上在用这个代码跑……不知看到的各位有何高见?

    转载于:https://www.cnblogs.com/IvyWong/p/8989718.html

    展开全文
  • 介绍:在情绪认知的心理学实验中,我们从不同的人脸图片库获取实验所需的实验材料。在正式使用之前往往需要对人脸进行预处理,以控制无关变量对实验结果的影响。常见的预处理有将图片修改为统一尺寸、灰度化。本文...

    介绍:

    在情绪认知的心理学实验中,我们从不同的人脸图片库获取实验所需的实验材料。在正式使用之前往往需要对人脸进行预处理,以控制无关变量对实验结果的影响。常见的预处理有将图片修改为统一尺寸、灰度化。本文介绍Python批量修改图片尺寸、灰度化的方法。

    软件:编译器Pycharm、第三方库PIL和os

    批量处理:1.载入第三方库
    import osfrom PIL import Image
    2.设置处理后图片存放的文件夹位置(与代码文件同级)
    Path0 = "./pic2"

    3.设置处理前图片存放的文件夹位置(与代码文件同级)

    Path1 = "./RawPic"

    4.读取3.中的所有图片名

    filename = os.listdir(Path1)
    5.设置处理后图片的尺寸
    size_Height = 300size_Width = 400

    6.批量处理图片尺寸以及灰度化

    for img in filename:    image = Image.open(Path1 +"/"+ img).convert('L')    image_size = image.resize((size_Height, size_Width),Image.ANTIALIAS)    image_size.save(Path0+"/"+ img)    print("Finish resize:"+img)
    处理效果(例)

    0a94600fdf121ad8461a87ec2810dc8b.png

    图1:灰度化效果(左边:处理前;右边:处理后)

    处理前处理后
    分辨率

    506像素×618像素

    (≈5:6)

    300像素×400像素

    (=3:4)

    大小964K118K
    表1:处理前后图片的属性变化
    展开全文
  • 介绍:在情绪认知的心理学实验中,我们从不同的人脸图片库获取实验所需的实验材料。在正式使用之前往往需要对人脸进行预处理,以控制无关变量对实验结果的影响。常见的预处理有将图片修改为统一尺寸、灰度化。本文...

    介绍:

    在情绪认知的心理学实验中,我们从不同的人脸图片库获取实验所需的实验材料。在正式使用之前往往需要对人脸进行预处理,以控制无关变量对实验结果的影响。常见的预处理有将图片修改为统一尺寸、灰度化。本文介绍Matlab批量修改图片尺寸、灰度化的方法。软件:Matlab;批量处理:1.设置处理前图片存放的文件夹位置(百分号%后面的内容为注释)
    imagePath = 'D:\wechatpaper\ParFor\RawPic\';%要处理的图片文件夹
    2.设置处理后图片存放的文件夹位置
    imageInputFile = 'D:\wechatpaper\ParFor\pic1\';%将处理后的图片存放在这个位置
    3.读取1.中文件夹内的所有图片
    imageFiles = dir(imagePath); %%读取目录文件下的所有图片文件
    4.计算3.中读取的图片数
    numFiles = length(imageFiles);%%获取图片的数量
    5.设置处理后图片的尺寸
    size_Height = 300; %处理后,图片高400像素size_Width = 400;  %处理后,图片宽300像素
    6.批量处理图片尺寸和以及灰度化
    parfor i=3:numFiles   %%matlab并行 其实和for一个用法                       imageFile = strcat(imagePath,imageFiles(i).name); %%strcat()函数经常出现在批量处理的时候,这个时候我们需要用到for循环,然后这个函数能够让变量和路径产生一些关系,这个时候我们就可以对其进行批量处理。    A = imread(imageFile);   %%读入图片       B = imresize(A,[size_Width size_Height]); %%修改尺寸    C = rgb2gray(B);         %%将图片灰度化    imwrite(C,strcat(imageInputFile,imageFiles(i).name)); %%保存图片到指定位置 。end
    处理效果(例):

    a1d6681233028260d9f2fe55959b42c4.png

    图1:灰度化效果(左边:处理前;右边:处理后)

    处理前处理后
    分辨率

    506像素×614像素

    (≈5:6)

    300像素×400像素

    (=3:4)

    大小964K118K
    表1:处理前后图片的属性变化
    展开全文
  • 介绍:在情绪认知的心理学实验中,我们从不同的人脸图片库获取实验所需的实验材料。在正式使用之前往往需要对人脸进行预处理,以控制无关变量对实验结果的影响。常见的预处理有将图片修改为统一尺寸、灰度化。本文...

    介绍:

    在情绪认知的心理学实验中,我们从不同的人脸图片库获取实验所需的实验材料。在正式使用之前往往需要对人脸进行预处理,以控制无关变量对实验结果的影响。常见的预处理有将图片修改为统一尺寸、灰度化。本文介绍Matlab批量修改图片尺寸、灰度化的方法。软件:Matlab;批量处理:1.设置处理前图片存放的文件夹位置(百分号%后面的内容为注释)
    imagePath = 'D:\wechatpaper\ParFor\RawPic\';%要处理的图片文件夹
    2.设置处理后图片存放的文件夹位置
    imageInputFile = 'D:\wechatpaper\ParFor\pic1\';%将处理后的图片存放在这个位置
    3.读取1.中文件夹内的所有图片
    imageFiles = dir(imagePath); %%读取目录文件下的所有图片文件
    4.计算3.中读取的图片数
    numFiles = length(imageFiles);%%获取图片的数量
    5.设置处理后图片的尺寸
    size_Height = 300; %处理后,图片高400像素size_Width = 400;  %处理后,图片宽300像素
    6.批量处理图片尺寸和以及灰度化
    parfor i=3:numFiles   %%matlab并行 其实和for一个用法                       imageFile = strcat(imagePath,imageFiles(i).name); %%strcat()函数经常出现在批量处理的时候,这个时候我们需要用到for循环,然后这个函数能够让变量和路径产生一些关系,这个时候我们就可以对其进行批量处理。    A = imread(imageFile);   %%读入图片       B = imresize(A,[size_Width size_Height]); %%修改尺寸    C = rgb2gray(B);         %%将图片灰度化    imwrite(C,strcat(imageInputFile,imageFiles(i).name)); %%保存图片到指定位置 。end
    处理效果(例):

    f2eadd5e1e978a4b654534c19ecacae5.png

    图1:灰度化效果(左边:处理前;右边:处理后)

    处理前处理后
    分辨率

    506像素×614像素

    (≈5:6)

    300像素×400像素

    (=3:4)

    大小964K118K
    表1:处理前后图片的属性变化
    展开全文
  • CK+原数据库,和已标记的327个序列情绪,和已分类的每个人每类表情图片的三帧,均为百度网盘地址
  • 上次也做了一期有关于人脸识别的分享,有同学说 那个有点难是吧 - - 那么今天在给大家分享一个关于人脸识别的项目 faceai 它是一个入门级的 人脸 视频 文字检测以及识别的项目 它的功能有很多 如下: 1, 人脸...
  • 这是一个非常简单的Flask应用,可让用户上传图片并检测图片中有多少张脸(如果有的话)及其各自的情绪。 Haarcascade用于检测图像中的面部,可以使用我的TensorFlow模型预测人的情绪。我在中对其进行了培训。 ...
  • testImages_artphoto.zip

    2019-05-15 10:48:27
    国际情绪图片系统的图片库,里面包含不同情绪效价的图片
  • 逛不同的超市会带给你不同的感觉,或愉悦舒适、或焦躁失望,陈列的细节不同,会在无形当中影响到顾客的情绪。而这也就是商品陈列的研究带给经营者的兴趣。接下来,奉上图文并茂版陈列手册,手把手教你做好陈列。01敢...
  • 股票见解-源码

    2021-02-12 18:14:52
    它使用Elasticsearch,Twitter数据,新闻标题和情绪分析来发现情绪对股票价格的影响。 Twitter和新闻头条上的情绪在多大程度上影响股价? 接下来30分钟内股票的价格可能是多少? 让我们找出... 点击下面的图片观看...
  • 今天豪哥哥为优美的程序员们带来了科技设计酷...Moodly 让每个用户都为整个情绪板素材作出贡献,这样它能够足够强大,并且会越来越好用。另外,每个用户都能够评论,并且塑造它的设计和进化方向。   TEACHABLE...
  • 对摄影师来说,不管是新的还是老的建筑,这都给他们提供了无穷的拍摄机会,用这些全新而有趣的照片来更新他们的图片库。  拍摄建筑要体现地点和空间感,使用佳能400D 相机去拍摄面临的挑战是如何以自带的小尺寸...
  • Site Fundamentals-crx插件

    2021-03-30 07:35:57
    分析结果显示在CliffNotes之类的仪表盘中,包括:★提取关键字★带有Google搜索,Twitter和Instagram链接的实体识别★相关的YouTube视频★关键人物,地方和组织的可点击图片库★涵盖的主题★情绪React★情感分析★...
  • GDELT项目介绍

    千次阅读 2016-06-15 10:09:39
    GDELT(www.gdeltproject.org)每时每刻监控着每个国家的几乎每个角落的100多种语言的新闻媒体--印刷的、广播的和web形式的,识别人员、位置、组织、数量、主题、数据源、情绪、报价、图片和每秒都在推动全球社会的...
  • 原图excel像素图(虽然看起来很像是粘贴的图片,实际是一个单元格一个像素组成的。)这段时间python学习进入瓶颈期,爬虫到scrapy框架,能安装上却不能运行,查了几天资料,经过多次尝试,好像查到scrapy只有在win7...
  • -剪切,合并,增加自定义背景音乐设置您的网站的任何图片库情绪; -允许您添加了一个闪光照片库400多个图像和音乐; 多种输出格式 -生成SWF文件或为HTML闪存库直接发布; -作为输出格式支持XML,使你更新的闪存画廊...
  • 使用检测图片中的面Kong和/或检测面Kong中的情绪 通过在翻译中检测情感来查看说方言的人是否喜欢您 将服务抽象为 天空才是极限! 带上您最好的主意! 让我们知道实施它们的过程! 入门 为了能够运行该应用程序,您...
  •  令人吃惊的是,在哪种字节顺序是合适的这个问题上,人们表现得非常情绪化。实际上术语“little endian”(小端)和“big endian”(大端)出自Jonathan Swift的《格利佛游记》一书,其中交战的两个派别无法就应该...
  •  令人吃惊的是,在哪种字节顺序是合适的这个问题上,人们表现得非常情绪化。实际上术语“little endian”(小端)和“big endian”(大端)出自Jonathan Swift的《格利佛游记》一书,其中交战的两个派别无法就应该...
  • 阿拉伯数字转换工具、 基于百科知识的中文词语多词义/义项获取与特定句子词语语义消歧、awesome-nlp-sentiment-analysis - 情感分析、情绪原因识别、评价对象和评价词抽取、LineFlow:面向所有深度学习框架的NLP...
  • 图像翻译,可以通过非成对的图片将某一类图片转换成另外一类图片,可用于风格迁移 Cityscapes StarGAN 多领域属性迁移,引入辅助分类帮助单个判别器判断多个属性,可用于人脸属性转换 Celeba AttGAN 利用分类...
  • 新版Android开发教程.rar

    千次下载 热门讨论 2010-12-14 15:49:11
    ----------------------------...• 优化的图形 包括定制的 2D 图形, 3D 图形基于 OpenGL ES 1.0 (硬件加速可选) • SQLite SQLite SQLite SQLite 用作结构化的数据存储 • 多媒体支持 包括常见的音频、视频和...
  • -- 图片来自网络,侵权删 -- 数据不保证安全准确,错误之处还望海涵,如需深入使用还望自己求证 -- 买房有风险,投资需谨慎,资料内容不保证完全正确,使用需谨慎 -- 此处尽量不展示个人观点和看法,如果有观点和...

空空如也

空空如也

1 2
收藏数 32
精华内容 12
关键字:

情绪图片库