一种机器人及其人脸识别示教方法和存储介质技术

本发明专利技术适用于人工智能技术领域，提供了一种机器人及其人脸识别示教方法和存储介质。本发明专利技术实施例通过提供一种应用于机器人的人脸识别示教方法，录入用户的多张人脸图像作为训练数据集，加载用户设置的训练模型作为预训练模型，然后基于所述预训练模型对所述训练数据集进行迁移学习训练，获得已训练模型，并显示所述已训练模型的训练结果，再将所述已预训练模型导入测试数据集，通过预设分类算法对所述已训练模型进行有效性测试，获得所述已训练模型的人脸识别结果，并显示所述已训练模型的人脸识别结果，能够在对机器人的人脸识别功能进行训练的过程中持续与用户进行互动，从而能够达到良好的机器学习算法的教学演示作用，提高了用户体验。

A robot and its face recognition teaching method and storage medium

【技术实现步骤摘要】
一种机器人及其人脸识别示教方法和存储介质
本专利技术属于人工智能(ArtificialIntelligence，AI)
，尤其涉及一种机器人及其人脸识别示教方法和存储介质。
技术介绍
人工智能技术是用于模拟、延伸和扩展人的智能的技术科学，属于计算机科学的分支，它通过了解智能的实质，生产出能与人类智能相似的方式做出反应的智能机器，研究方向包括机器人、语言识别、图像识别、自然语言处理和专家系统等。目前，人工智能技术在教学机器人上得到广泛应用，能够辅助教学人员进行课程教学示范和实验教学演示，例如，用于进行学生打卡、签到的教学机器人能够采用人脸识别的方式对学生进行人脸识别，从而辅助教学人员对学生的出勤率进行统计。然而，现有的用于进行打卡、签到的教学机器人与用户的互动性较差，不能起到良好的教学演示作用。
技术实现思路
有鉴于此，本专利技术实施例提供了一种机器人及其人脸识别示教方法和存储介质，以解决现有的用于进行打卡、签到的教学机器人与用户的互动性较差，不能起到良好的教学演示作用的问题。本专利技术实施例的第一方面提供了一种人脸识别示教方法，应用于机器人，所述人脸识别示教方法包括：录入用户的多张人脸图像作为训练数据集；加载用户设置的训练模型作为预训练模型；基于所述预训练模型对所述训练数据集进行迁移学习训练，获得已训练模型；显示所述已训练模型的训练结果；将所述已预训练模型导入测试数据集，通过预设分类算法对所述已训练模型进行有效性测试，获得所述已训练模型的人脸识别结果；显示所述已训练模型的人脸识别结果。本专利技术实施例的第二方面提供了一种机器人，包括摄像头、显示屏、语音模块、发光器件、舵机、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例的第一方面所述人脸识别示教方法的步骤。本专利技术实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术实施例的第一方面所述人脸识别示教方法的步骤。本专利技术实施例通过提供一种应用于机器人的人脸识别示教方法，录入用户的多张人脸图像作为训练数据集，加载用户设置的训练模型作为预训练模型，然后基于所述预训练模型对所述训练数据集进行迁移学习训练，获得已训练模型，并显示所述已训练模型的训练结果，再将所述已预训练模型导入测试数据集，通过预设分类算法对所述已训练模型进行有效性测试，获得所述已训练模型的人脸识别结果，并显示所述已训练模型的人脸识别结果，能够在对机器人的人脸识别功能进行训练的过程中持续与用户进行互动，从而能够达到良好的机器学习算法的教学演示作用，提高了用户体验。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的人脸识别示教方法的第一种流程示意图；图2是本专利技术实施例提供的人脸识别示教方法的第二种流程示意图；图3是本专利技术实施例提供的训练模型设置界面的示意图；图4是本专利技术实施例提供的训练参数设置界面的示意图；图5是本专利技术实施例提供的分类算法设置界面的示意图；图6是本专利技术实施例提供的人脸识别示教方法的第三种流程示意图；图7是本专利技术实施例提供的机器人的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。本专利技术实施例提供一种人脸识别示教方法，应用于机器人，用于采用机器学习算法对机器人的人脸识别功能进行训练，并在训练的过程中使机器人能够持续与用户进行互动，由用户来选择和设置训练模型及算法，并将每一训练阶段所产生的结果传达给用户，使用户能够参与机器学习过程，了解机器人学习人脸识别功能的学习过程，能够达到良好的教学演示作用，提高用户体验。主要应用于人工智能教学，也可以用于班级学生打卡、会场签到、家庭可信任名册智能管家等场景。在应用中，机器人可以根据实际需要设置为任意形状和构造的机器人，例如，四肢均可活动的人形机器人。机器人包括但不限于摄像头、显示屏、存储器和处理器。机器人能够通过摄像头拍摄人脸图像进行人脸识别，通过存储器存储人脸图像、相关的机器学习算法和计算机程序，通过显示屏显示可供用户选择和设置的训练模型及算法，通过处理器运行计算机程序并在运行计算机程序时采用用户选择和设置的训练模型及算法对人脸图像进行人脸识别训练，并通过显示屏显示训练过程。如图1所示，本专利技术实施例提供的人脸识别示教方法包括由机器人执行的如下步骤：步骤S101、录入用户的多张人脸图像作为训练数据集。在应用中，可以通过机器人的摄像头采集用户的多张人脸图像。多张人脸图像可以是包括同一用户的人脸的多张不同图像，也可以是多个不同用户的人脸的多张不同图像。如图2所示，在一个实施例中，步骤S101包括：步骤S201、通过摄像头采集用户的多张人脸图像；步骤S202、通过人脸检测模型检测每张人脸图像中的人脸区域，获取每张人脸图像中的人脸区域图像；步骤S203、存储每张人脸图像中的人脸区域图像作为训练数据集。在应用中，步骤S201中的用户可以是同一个用户，也可以是多个不同的用户。在应用中，步骤S202中，人脸检测模型可以根据实际需要进行设置，在执行步骤S202时，可以采用用户设置的人脸检测模型检测人脸图像中的人脸区域。可以通过显示屏显示一个可供用户设置人脸检测模型的人脸检测模型设置界面，人脸检测模型设置界面用于显示至少两种人脸检测模型的加载选项和自定义上传人脸检测模型的文件输入区域，还可以显示“默认”选项，用户选择“默认”选项时，将采用系统默认设置的人脸检测模型检测人脸图像中的人脸区域。若用户未设置人脸检测模型，则在等待第一预设时间之后，直接采用系统默认的人脸检测模型。系统是指处理器所运行的操作系统(OperatingSystem，OS)，属于计算机程序的一部分。第一预设时间是由系统默认或者用户根据实际需要设置的任意时长本文档来自技高网...

【技术保护点】
1.一种人脸识别示教方法，其特征在于，应用于机器人，所述人脸识别示教方法包括：/n录入用户的多张人脸图像作为训练数据集；/n加载用户设置的训练模型作为预训练模型；/n基于所述预训练模型对所述训练数据集进行迁移学习训练，获得已训练模型；/n显示所述已训练模型的训练结果；/n将所述已预训练模型导入测试数据集，通过预设分类算法对所述已训练模型进行有效性测试，获得所述已训练模型的人脸识别结果；/n显示所述已训练模型的人脸识别结果。/n

【技术特征摘要】
1.一种人脸识别示教方法，其特征在于，应用于机器人，所述人脸识别示教方法包括：
录入用户的多张人脸图像作为训练数据集；
加载用户设置的训练模型作为预训练模型；
基于所述预训练模型对所述训练数据集进行迁移学习训练，获得已训练模型；
显示所述已训练模型的训练结果；
将所述已预训练模型导入测试数据集，通过预设分类算法对所述已训练模型进行有效性测试，获得所述已训练模型的人脸识别结果；
显示所述已训练模型的人脸识别结果。


2.如权利要求1所述的人脸识别示教方法，其特征在于，录入用户的多张人脸图像作为训练数据集，包括：
通过摄像头采集用户的多张人脸图像；
通过人脸检测模型检测每张人脸图像中的人脸区域，获取每张人脸图像中的人脸区域图像；
存储每张人脸图像中的人脸区域图像作为训练数据集。


3.如权利要求2所述的人脸识别示教方法，其特征在于，通过摄像头采集用户的多张人脸图像，包括：
显示摄像头的预览画面；
当用户的人脸位于所述预览画面的预设区域时，拍摄人脸图像；
存储所述人脸图像；
重复上述步骤，获得多张人脸图像。


4.如权利要求1所述的人脸识别示教方法，其特征在于，加载用户设置的训练模型作为预训练模型，包括：
显示至少两种训练模型的加载选项和自定义上传训练模型的文件输入区域；
加载用户选择的训练模型或用户自定义上传的训练模型作为预训练模型。


5.如权利要求1所述的人脸识别示教方法，其特征在于，基于所述预训练模型对所述训练数据集进行迁移学习训练，获得已训练模型之前，包括：
显示所述预训练模型的训练参数设置区域；
根据用户的训练参数设置操作，设置所述预训练模型的训练参数。


6.如权利要求1～5任一项所述的人脸识别示教方法，其特征在于，显示所述已训练模型的训练结果，包括：
通过绘图库显示所述已训练模型的损失函数和精度值。


7.如权利要求1所述的人脸识别示教方法，其特征在于，将所述已预训练模型导入测试数据集，通过预设分类算法对所述已训练模型进行有效性测试，获得所述已训练...

【专利技术属性】
技术研发人员：李少春，阳舜荣，熊友军，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44