🌐 감정의 표준화 - Emotion Markup Language

W3C에서 제안한 감정 표현 표준 언어예요. 로봇들이 감정 정보를 주고받을 때 사용하죠.

<emotion>
  <category name="joy" value="0.8"/>
  <category name="sadness" value="0.1"/>
  <intensity value="0.7"/>
  <action-tendency>approach</action-tendency>
</emotion>

📦 필요한 라이브러리

pip install opencv-python
pip install tensorflow
pip install keras
pip install deepface

🎯 기본 감정 인식 코드

from deepface import DeepFace
import cv2

# 웹캠 시작
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    
    try:
        # 감정 분석
        result = DeepFace.analyze(frame, actions=['emotion'], enforce_detection=False)
        
        # 지배적 감정 추출
        emotion = result[0]['dominant_emotion']
        
        # 화면에 표시
        cv2.putText(frame, emotion, (50, 50), 
                    cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
        
        # 각 감정별 확률 표시
        y_pos = 100
        for emo, score in result[0]['emotion'].items():
            text = f"{emo}: {score:.1f}%"
            cv2.putText(frame, text, (50, y_pos), 
                        cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 1)
            y_pos += 30
            
    except:
        pass
    
    cv2.imshow('Emotion Recognition', frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

이 코드는 실시간으로 웹캠 영상을 분석해서 감정을 표시해줘요. DeepFace 라이브러리가 내부적으로 CNN 모델을 사용하죠.

실행하면 화면에 "happy: 85.3%", "sad: 5.2%" 이런 식으로 각 감정의 확률이 표시돼요. 진짜 신기함 ㅋㅋㅋ

🎤 음성 감정 인식 예제

import librosa
import numpy as np
from tensorflow import keras

# 음성 파일 로드
audio, sr = librosa.load('voice.wav', duration=3)

# MFCC 특징 추출
mfccs = librosa.feature.mfcc(y=audio, sr=sr, n_mfcc=40)
mfccs_scaled = np.mean(mfccs.T, axis=0)

# 학습된 모델로 예측 (모델은 사전에 학습되어 있어야 함)
model = keras.models.load_model('emotion_model.h5')
prediction = model.predict(np.expand_dims(mfccs_scaled, axis=0))

emotions = ['neutral', 'calm', 'happy', 'sad', 'angry', 'fearful', 'disgust', 'surprised']
predicted_emotion = emotions[np.argmax(prediction)]

print(f"감지된 감정: {predicted_emotion}")
print(f"확률: {np.max(prediction)*100:.2f}%")

음성에서 MFCC(Mel-Frequency Cepstral Coefficients)라는 특징을 추출해서 감정을 판단해요. 목소리의 높낮이, 속도, 에너지 등이 수치화되는 거죠.

💬 텍스트 감정 분석 예제

from transformers import pipeline

# 사전 학습된 감정 분석 모델 로드
classifier = pipeline('sentiment-analysis', 
                      model='bhadresh-savani/distilbert-base-uncased-emotion')

# 텍스트 분석
texts = [
    "오늘 정말 행복한 하루였어요!",
    "너무 슬프고 우울해요...",
    "화가 나서 미치겠어요!",
    "와 대박! 진짜 놀라워요!"
]

for text in texts:
    result = classifier(text)[0]
    print(f"텍스트: {text}")
    print(f"감정: {result['label']}, 확률: {result['score']*100:.2f}%\n")

BERT 기반 모델을 사용해서 텍스트의 감정을 분석해요. 한국어도 지원하는 모델들이 많이 나와있어요!

재능넷 같은 플랫폼에서 고객 리뷰나 문의 내용의 감정을 자동 분석하는 데 활용할 수 있겠죠? 😊