摘要
本发明提供了一种基于YOLOv8深度学习的人脸面部表情识别方法及装置,方法包括:S1采集各种基本表情的公开数据集并进行标注,及对标注数据进行标准化处理以及噪声过滤得到数据集;S2对YOLOv8的网络结构进行改进,得到改进YOLOv8表情识别模型;S3采用训练集和测试集对改进YOLOv8表情识别模型进行训练和推理;S4采用训练后的改进YOLOv8表情识别模型对待识别图像或视频中的人脸面部表面进行识别。其能够捕捉从整体表情到肌肉微动的多尺度特征,解决了微表情微弱特征难以捕获的问题,同时结合自适应几何校正模块自动完成角度校正、尺寸归一化及遮挡补偿,消除侧脸与遮挡干扰,提高识别效率。
技术关键词
人脸面部表情
识别方法
多尺度特征
上下文感知网络
校正模块
网络结构
生成多尺度
模型训练模块
表情特征
图像
数据采集模块
注意力机制
动态
语义特征
全局平均池化
时序
系统为您推荐了相关专利信息
机械手关节
自动校正系统
智能机械手
机械手臂关节
校正模块
电力
理论线损
异常识别方法
变压器
数据获取模块
检测识别方法
缺陷检测识别
卷积模块
置信度阈值
输出特征