【技术实现步骤摘要】
本专利技术涉及人工智能领域，尤其涉及一种基于深度学习的头部姿态监控方法及系统。
技术介绍
1、近年来，随着计算机性能的提升和人工智能技术的飞速发展，计算机视觉领域也得到了飞速发展，例如人脸识别、目标检测、姿态估计等各个方面。基于生物特征的计算机视觉问题成为了全球学者们的研究焦点，它们不仅具有极高的学术价值，更拥有广阔的实际应用前景和市场潜力。头部姿态检测技术的发展有望实现更智能、更自然的人机交互体验，并提供更准确的情感分析和行为识别能力。头部行为，包括表情、身体语言和视觉注意力，可以反映出我们的意图、情绪和注意力分布。机器学习技术能够通过分析头部姿态的数据，非语言地解读和理解人类的行为，为人机交互、智能监控等领域提供有力支持。例如，点头行为通常表示赞同或肯定，而驾驶员的低头行为可能暗示着危险驾驶。利用头部姿态检测技术，能够准确地捕捉这些细微的动态变化，从而提高人机交互的智能性和自然性，因此基于头部信息进行头部姿态估计可以有效提高人机交互的智能化程度。但是现有的技术路线存在精度不高，处理速度较慢等缺陷，因此有必要提出一种能有效提升处理速度...
【技术保护点】
1.一种基于深度学习的头部姿态监控方法，其特征在于，包括下列步骤：
2.如权利要求1所述的方法，其特征在于，步骤S1中，采用开源的图像数据和用户采集的图像数据构建数据集；其中，开源的图像数据包括不同角度的人脸数据集以及包含头部和面部的图像数据。
3.如权利要求1所述的方法，其特征在于，步骤S1中，将步骤S1构建的数据集按照8:1:1的比例划分为训练集、验证集和测试集。
4.如权利要求1所述的方法，其特征在于，步骤S2中，采用预训练的YoloV7算法作为人脸头部区域定位网络的初始结构，并将YoloV7算法中的激活函数设置为LeakyR
【技术特征摘要】
1.一种基于深度学习的头部姿态监控方法，其特征在于，包括下列步骤：
2.如权利要求1所述的方法，其特征在于，步骤s1中，采用开源的图像数据和用户采集的图像数据构建数据集；其中，开源的图像数据包括不同角度的人脸数据集以及包含头部和面部的图像数据。
3.如权利要求1所述的方法，其特征在于，步骤s1中，将步骤s1构建的数据集按照8:1:1的比例划分为训练集、验证集和测试集。
4.如权利要求1所述的方法，其特征在于，步骤s2中，采用预训练的yolov7算法作为人脸头部区域定位网络的初始结构，并将yolov7算法中的激活函数设置为leakyrelu。<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。