智能看护场景下的婴幼儿表情识别

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：王一评;王改华

摘要：基于深度学习的表情识别方法逐渐应用于婴幼儿智能看护场景下,但大多数方法都是基于实验环境下的单人、正面图像的识别,对真实场景下多人表情识别效果欠佳;且深度网络模型存在训练耗时过长、数据处理速度慢的问题,导致表情识别的实时性难以得到保障。 因此,该文提出一种改进的轻量型婴幼儿表情识别方法。 首先,它在 YOLOv8 的基础上,结合深度可分离卷积和注意力机制理论,设计了轻量化注意力机制网络结构,减少了网络的参数并有效提取出显著特征;其次,搭建知识蒸馏框架,以 YOLOv8L 为教师网络模型,利用 Channel-wise Knowledge Distillation(CWD)知识蒸馏的方式,采用改进的损失函数对学生模型进行蒸馏,提高婴幼儿的表情识别准确率及算法的实时性;最后,通过实验验证,该网络在智能看护场景下的婴幼儿(0-3 岁)表情数据集上表现出色,mAP 达到了 73. 4% 。 参数量仅有 2. 6 MB,便于部署在边缘设备上,对比其他表情识别算法,在 CK+数据集上准确率达到 99. 1% ,参数量也较小。

关键词：婴幼儿;YOLOv8;表情识别;轻量化;注意力机制;知识蒸馏