一种基于ZYNQ开发板的面部表情识别方法及系统技术方案

本发明专利技术公开了一种基于ZYNQ开发板的面部表情识别方法及系统，该系统包括双目摄像头；ZYNQ开发板；LCD显示屏。本发明专利技术使用的识别方法包括：采集数据制作带有表情识别对象标注的数据集；新建两个脚本并用所述脚本对所述数据集进行划分和类别设置，最终送入网络训练导出包含了模型参数信息的网络模型；对所述网络模型的权重、网络架构参数信息进行浮数定点化；执行指令编译，通过交叉编译，生成动态链接库文件，在开发板上运行推断程序。本发明专利技术提供的基于ZYNQ开发板的面部表情识别的方法及系统，在维持或提高识别准确率的基础上，降低了设备能耗，具有存储内存和计算时间的精简、计算时延低、能耗低的特点，尤其是低能耗可以用于搭载于便携式设备。于便携式设备。于便携式设备。

【技术实现步骤摘要】
一种基于ZYNQ开发板的面部表情识别方法及系统


[0001]本专利技术涉及计算机视觉的目标检测
，尤其涉及一种基于ZYNQ开发板的面部表情识别方法及系统。

技术介绍

[0002]传统的面部表情识别方法主要有两大类。一类是经典特征方法，例如﹐梯度直方图、局部二值模式、尺度不变特征变换和小波变换等。这类方法大致分为三个步骤，首先是对表情图像进行预处理，其次是提取面部表情特征，最后是利用分类器模型对面部表情进行分类识别。但经典的特征识别方法模型参数较多，且精度的提高有限，因此基于深度学习的面部表情识别方法在现在被更多地应用于情绪识别领域。
[0003]传统的目标检测，都是在实验室内的大型设备中，通过对摄像头捕获的图像进行处理，但是功耗较大设备复杂，难以应用于实际的场景，如：医疗设备、教室、机器人中。将神经网络搭载到嵌入式设备中进行图像处理，极大降低设备成本。而CPU与其他硬件相比，更擅长逻辑方面的运算，而对于神经网络这类需要密集计算的算法处理时间较长，不适合用于加速神经网络。

技术实现思路

[0004]本部分的目的在于概本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ZYNQ开发板的面部表情识别方法，其特征在于，包括以下部分：采集图片制作带有表情识别对象标注的数据集；新建两个脚本并用所述脚本对所述数据集进行划分和类别设置，最终送入网络训练导出包含了模型参数信息的网络模型；对所述网络模型的权重、网络架构参数信息进行浮数定点化；执行指令编译，通过交叉编译，生成动态链接库文件，在开发板上运行推断程序。2.根据权利要求1所述的基于ZYNQ开发板的面部表情识别方法，其特征在于：所述数据集采集过程包括：打开源码文件夹里的文本文件，修改默认类别为六种心情类别；打开图片文件夹，对所有图片依次进行画框，并选择所述心情类别；所述所有图片标注完成后，结束采集。3.根据权利要求1所述的基于ZYNQ开发板的面部表情识别方法，其特征在于：所述网络训练为YOLOv3网络，主要由DarkNet
‑
53算法网络构成，由所述DarkNet
‑
53算法网络对三个不同尺度的框图进行特征提取，提取后的特征经过归一化处理后送入下层神经网络，最终输出判别结果。4.根据权利要求3所述的基于ZYNQ开发板的面部表情识别方法，其特征在于：所述YOLOv3网络识别步骤包括：输入图像、图像送入所述DarkNet
‑
53网络得到特征图、特征图多尺度变化、确定网络输出形状、计算损失值。5.根据权利要求4所述的基于ZYNQ开发板的面部表情识别方法，其特征在于：所述损失值的损失函数为：其中，λ
coord
表示边界框坐标预测损失的权重；λ
noobj<...

【专利技术属性】
技术研发人员：于小轩，陆雨祺，陈杨，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：