利用机器学习的方法训练微笑检测模型，给一张人脸照片，判断是否微笑；
数据集中69张没笑脸，65张有笑脸，训练结果识别精度在95%附近；
效果：
图1 示例效果
工程利用python 3 开发，借助Dlib进行 人脸嘴部20个特征点坐标（40维特征）的提取，
然后根据这 40维输入特征 和 1维特征输出（1代表有微笑 / 0代表没微笑）进行ML建模，
利用几种机器学习模型进行建模，达到一个二分类（分类有/无笑脸）的目的，然后分析模型识别精度和性能，并且可以识别给定图片的人脸是否微笑；
py文件：
1. Get_features.py :
returnfeatures(): 输入人脸图像路径，利用dlib的“shape_predictor_68_face_landmarks.dat”提取嘴部20个特征点坐标的40个特征值；
writeintoCSV(): 将40维特征输入和1维的输出标记（1代表有微笑/0代表没微笑）写入CSV文件中；
2. ML_ways.py:
pre_data(): 读取CSV中的数据，然后提取出训练集和测试集；
way_LR(): Logistic Regressio, 罗吉斯特回归方法建模；
way_SGD(): Stochastic Gradient Decent, 随机梯度下降法建模；
way_SVM(): Supported Vector Machine, 支持向量机法建模；
way_MLP(): Multi-Layer Perceptron, 多层神经网络法建模；
3. test_single_pic.py:
输入给定测试图像，用ML模型检测其有/无笑脸；
（实现稍微比较复杂，可以结合之前博客看看：
Python 3 利用 Dlib 19.7 进行人脸识别：
Python 3 利用 Dlib 19.7 进行人脸68个特征点的标定：
Python 3 利用机器学习模型进行手写体识别： ）
1.开发环境
python: 3.6.3
dlib: 19.7
OpenCv, numpy, sklearn, pandas, os, csv等
Get_features.py中调用的库：
1 import dlib # 人脸识别的库dlib 2 import numpy as np # 数据处理的库numpy 3 import cv2 # 图像处理的库OpenCv 4 import os # 读取文件 5 import csv # csv操作