一种基于婴儿面部特征提取的婴儿啼哭分类方法技术

本发明专利技术公开了一种基于婴儿面部特征提取的婴儿啼哭分类方法，通过引入多尺度信息融合网络(MIFNet)进行婴儿面部特征的提取与分类，实现了对婴儿啼哭原因的智能分类。本方法包括以下步骤：首先，通过CNN分支与自注意力分支并行提取婴儿面部的局部特征与全局特征；其次，利用空间全局注意力模块与通道注意力模块对特征进行融合；最后，采用自适应深度中心损失联合SoftMax损失进行特征分类，进而得到婴儿的不同啼哭类型，包括但不限于饥饿、不安、生气、疼痛和不适等。通过上述方法，可以准确分类和识别婴儿不同类型的啼哭，有助于家长或护理人员及时了解并满足婴儿的需求。与现有技术相比，本发明专利技术通过面部特征提取和深度学习算法，具有较高的分类准确性和实时性。

【技术实现步骤摘要】

本专利技术涉及人工智能和计算机视觉领域，尤其涉及一种基于婴儿面部特征提取的婴儿啼哭分类方法。

技术介绍

1、随着人工智能技术的不断发展，智能看护系统在婴儿看护中的应用越来越广泛。婴儿由于语言中枢神经系统尚未发育成熟，主要通过面部表情和啼哭来表达其需求和不适。然而，由于婴儿面部表情类间相似性高，且啼哭的原因复杂多样，传统的表情识别方法难以有效区分婴儿的不同情绪和需求。因此，提出一种基于婴儿面部特征提取的啼哭分类方法，对婴儿面部表情进行智能识别和分类，具有重要意义。

技术实现思路

1、本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种基于婴儿面部特征提取的婴儿啼哭分类方法。

2、本专利技术为解决上述技术问题采用以下技术方案：

3、一种基于婴儿面部特征提取的婴儿啼哭分类方法，包括以下步骤：

4、步骤1)，数据预处理，对婴儿面部图像数据进行归一化和数据增强处理；

5、步骤2)，特征提取，通过双分支特征提取结构，分别采用卷积神经网络(cnn)分支和自注意本文档来自技高网...

【技术保护点】

1.一种基于婴儿面部特征提取的婴儿啼哭分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于婴儿面部特征提取的婴儿啼哭分类方法，其特征在于，步骤2)中双分支特征提取结构的CNN分支采用ResNet18的骨干网络、自注意力分支采用SwinTransformer的骨干网络。

3.根据权利要求2所述的基于婴儿面部特征提取的婴儿啼哭分类方法，其特征在于，所述步骤3)中的空间全局注意力模块即SGA-Net模块应用于婴儿啼哭分类任务之中，其通过融合降维生成的特征图获取输入特征的空间权重信息,用以指导特征权重的分配；

4.根据权利要求3所述的基于婴儿面部...

【技术特征摘要】

1.一种基于婴儿面部特征提取的婴儿啼哭分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于婴儿面部特征提取的婴儿啼哭分类方法，其特征在于，步骤2)中双分支特征提取结构的cnn分支采用resnet18的骨干网络、自注意力分支采用swintransformer的骨干网络。

3.根据权利要求2所述的基于婴儿面部特征提取的婴儿啼哭分类方法，其特征在于，所述步骤3)中的空间全局注意力模块即sga-net模块应用于...

【专利技术属性】
技术研发人员：任世伟，孙萌，王斌，施冬奇，吴衡，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：