一种基于深度学习的多目标时间序列人脸状态识别方法

摘要

本发明公开了一种基于深度学习的多目标时间序列人脸状态识别方法，包括以下步骤：1、图像的采集，利用工厂工位前的前置摄像头对人员进行人脸视频拍摄，获得包含人脸的视频图像；2、图像模糊与直方图均值化预处理；3、目标图像双线性插值法修改图像尺寸；4、人脸检测算法的构建与训练；5、时间序列人脸图像数据集的标定；6、时间序列人脸图像的光流变化图数据集建立；7、时间序列面部状态识别模型的构建与训练。本发明的方法能够基于深度学习构建企业现场的状态识别，设计实时状态检测算法，提升检测效率降低检测成本，通过使用计算机视觉技术准确的判断出人脸状态，能够有效的检测员工工作时状，合理且动态的规划员工工作，提高工作效率。