婴儿的情绪状态是其表达健康状况、情感需求以及与外界互动的重要方式，准确识别婴儿的情绪对父母和看护者理解其需求具有关键意义。然而，由于婴儿语言能力的缺乏，他们通常通过面部表情、动作和哭声等非语言行为来表达情绪，因此需要一种高效、精准的技术手段来进行自动化识别。为解决这一问题，本研究提出了一种基于YOLOV8深度学习模型的婴儿情绪状态检测系统，专注于自动识别婴儿的四种主要情绪状态：哭泣、抗拒、平静和开心。这些情绪涵盖了婴儿在日常生活中的主要情感表现，能够帮助看护者更好地理解婴儿的需求和情绪变化。
该系统通过使用标注良好的婴儿情绪数据集进行训练，结合先进的卷积神经网络（CNN）模型实现情绪状态的高精度识别。YOLOV8模型作为该系统的核心，具有快速准确的目标检测和分类能力，能够有效区分婴儿的不同情绪状态。通过大规模的情绪图像数据训练，模型能够学习婴儿面部特征和身体动作的微小差异，进而精确判断婴儿的情绪状态。
系统界面基于PyQt5框架开发，提供了简洁直观的用户操作界面，用户可以方便地加载数据集、进行模型训练以及执行实时情绪检测。界面设计充分考虑了用户体验，集成了多个模块，包括数据预处理、模型参数调整、训练过程可视化以及检测结果的实时展示，便于用户根据具体需求进行操作。此外，该系统还具备一定的扩展性，可根据不同场景需求进一步优化和定制，以实现更复杂的情绪检测任务。
实验结果显示，该婴儿情绪状态检测系统在实际应用中表现出较高的准确性和实时性，能够快速响应并准确识别婴儿的情绪变化。该系统不仅在情绪识别的准确性上具有优势，还能够在保证实时检测的前提下提供稳定的性能。未来，随着数据集的进一步扩充和模型的优化，该系统有望在家庭护理、智能监控设备和早教领域得到广泛应用，成为婴儿情绪识别领域的一项重要技术创新。
本研究通过结合先进的深度学习模型与友好的界面设计，成功开发了一种高效的婴儿情绪状态检测系统。该系统为婴儿情绪状态的自动化检测提供了新的解决方案，具有广泛的应用前景和发展潜力。
算法流程
项目数据
通过搜集关于数据集为各种各样的婴儿情绪状态相关图像，并使用Labelimg标注工具对每张图片进行标注，分4个检测类别，分别是’婴儿哭闹’,’婴儿抗拒’,’婴儿平静’,’婴儿开心’。
目标检测标注工具
（1）labelimg:开源的图像标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用（虽然是英文版的）。其注释以 PASCAL VOC格式保存为XML文件，这是ImageNet使用的格式。此外，它还支持 COCO数据集格式。
（2）安装labelimg 在cmd输入以下命令 pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
结束后，在cmd中输入labelimg
初识labelimg
打开后，我们自己设置一下
在View中勾选Auto Save mode
接下来我们打开需要标注的图片文件夹
并设置标注文件保存的目录（上图中的Change Save Dir）
接下来就开始标注，画框，标记目标的label，然后d切换到下一张继续标注，不断重复重复。
Labelimg的快捷键
（3）数据准备
这里建议新建一个名为data的文件夹（这个是约定俗成，不这么做也行），里面创建一个名为images的文件夹存放我们需要打标签的图片文件；再创建一个名为labels存放标注的标签文件；最后创建一个名为 classes.txt 的txt文件来存放所要标注的类别名称。
data的目录结构如下：
│─img_data
│─images 存放需要打标签的图片文件
│─labels 存放标注的标签文件
└ classes.txt 定义自己要标注的所有类别（这个文件可有可无，但是在我们定义类别比较多的时候，最好有这个创建一个这样的txt文件来存放类别）
首先在images这个文件夹放置待标注的图片。
生成文件如下:
“classes.txt”定义了你的 YOLO 标签所引用的类名列表。
（4）YOLO模式创建标签的样式
存放标签信息的文件的文件名为与图片名相同，内容由N行5列数据组成。
每一行代表标注的一个目标，通常包括五个数据，从左到右依次为：类别id、x_center、y_center、width、height。
其中：
–x类别id代表标注目标的类别；
–x_center和y_center代表标注框的相对中心坐标；
–xwidth和height代表标注框的相对宽和高。
注意：这里的中心点坐标、宽和高都是相对数据！！！
存放标签类别的文件的文件名为classes.txt (固定不变)，用于存放创建的标签类别。
完成后可进行后续的yolo训练方面的操作。
模型训练
模型的训练、评估与推理
1.YOLOv8的基本原理
YOLOv8是一个SOTA模型，它建立在Yolo系列历史版本的基础上，并引入了新的功能和改进点，以进一步提升性能和灵活性，使其成为实现目标检测、图像分割、姿态估计等任务的最佳选择。其具体创新点包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数，可在CPU到GPU的多种硬件平台上运行。
YOLOv8是Yolo系列模型的最新王者，各种指标全面超越现有对象检测与实例分割模型，借鉴了Yolov5、Yolov6、YoloX等模型的设计优点，在全面提升改进Yolov5模型结构的基础上实现，同时保持了Yolov5工程化简洁易用的优势。
Yolov8模型网络结构图如下图所示：
2.数据集准备与训练
本研究使用了包含各种婴儿情绪状态相关图像的数据集，并通过Labelimg标注工具对每张图像中的目标边框（Bounding Box）及其类别进行标注。然后主要基于YOLOv8n这种模型进行模型的训练，训练完成后对模型在验证集上的表现进行全面的性能评估及对比分析。模型训练和评估流程基本一致，包括：数据集准备、模型训练、模型评估。本次标注的目标类别为婴儿情绪状态，数据集中共计包含9191张图像，其中训练集占7249张，验证集占1942张。部分图像如下图所示：
部分标注如下图所示：
图片数据的存放格式如下，在项目目录中新建datasets目录，同时将检测的图片分为训练集与验证集放入datasets目录下。
接着需要新建一个data.yaml文件，用于存储训练数据的路径及模型需要进行检测的类别。YOLOv8在进行模型训练时，会读取该文件的信息，用于进行模型的训练与验证。
data.yaml的具体内容如下：
train: “E:/InfantEmotionsObjective_v8/datasets/train/images”训练集的路径
val: “E:/InfantEmotionsObjective_v8/datasets//val/images”验证集的路径
# test: “E:/InfantEmotionsObjective_v8/datasets/test/images”测试集的路径
nc: 4
names:
[
“cry”,
“back”,
“neutral”,
“happy”,
]
这个文件定义了用于模型训练和验证的数据集路径，以及模型将要检测的目标类别。
数据准备完成后，通过调用train.py文件进行模型训练，epochs参数用于调整训练的轮数，batch参数用于调整训练的批次大小(根据内存大小调整，最小为1)。
CPU/GPU训练代码如下：
加载名为 yolov8n.pt 的预训练YOLOv8模型，yolov8n.pt是预先训练好的模型文件。
使用YOLO模型进行训练，主要参数说明如下：
（1）data=data_yaml_path: 指定了用于训练的数据集配置文件。
（2）epochs=100: 设定训练的轮数为150轮。
（3）batch=4: 指定了每个批次的样本数量为4。
（4）optimizer=’SGD’):SGD 优化器。
（7）name=’train_v8′: 指定了此次训练的命名标签，用于区分不同的训练实验。
3.训练结果评估
在深度学习的过程中，我们通常通过观察损失函数下降的曲线来了解模型的训练情况。对于YOLOv8模型的训练，主要涉及三类损失：定位损失（box_loss）、分类损失（cls_loss）以及动态特征损失（dfl_loss）。训练完成后，相关的训练过程和结果文件会保存在 runs/ 目录下，具体如下：
各损失函数作用说明：
定位损失box_loss：预测框与标定框之间的误差（GIoU），越小定位得越准；
分类损失cls_loss：计算锚框与对应的标定分类是否正确，越小分类得越准；
动态特征损失（dfl_loss）：DFLLoss是一种用于回归预测框与目标框之间距离的损失函数。在计算损失时，目标框需要缩放到特征图尺度，即除以相应的stride，并与预测的边界框计算Ciou Loss，同时与预测的anchors中心点到各边的距离计算回归DFLLoss。这个过程是YOLOv8训练流程中的一部分，通过计算DFLLoss可以更准确地调整预测框的位置，提高目标检测的准确性。
训练结果如下：
这张图展示了YOLOv8模型在训练和验证过程中的多个重要指标的变化趋势，具体如下：
train/box_loss：
（1）这是训练过程中边界框损失的变化。边界框损失用于衡量模型预测的目标框与实际目标框的差异。
（2）随着训练轮数增加，损失逐渐下降，表明模型的预测边界框逐渐接近真实值。
train/cls_loss：
（1）这是训练集上的分类损失。分类损失衡量模型对目标类别的预测准确性。
（2）损失逐渐减少，意味着模型在情绪类别的分类上越来越准确。
train/dfl_loss：
（1）这是分布聚焦损失（distribution focal loss），用于帮助模型对目标框的精确定位。
（2）随着训练轮次增加，损失值逐渐减少，表示模型对边界框的定位能力增强。
metrics/precision(B)：
（1）这是训练集上的精度（precision）曲线。精度表示模型在检测到的目标中有多少是真正的目标。
（2）图表显示精确度逐渐提高，趋向接近1，表明模型的预测越来越精准。
metrics/recall(B)：
（1）这是训练集上的召回率（recall）曲线。召回率表示模型检测出的真实目标的比例。
（2）召回率逐渐上升，说明模型检测出更多正确的情绪。
val/box_loss：
（1）这是验证集上的边界框损失曲线。
（2）与训练集类似，损失随着训练轮次的增加而减少。
val/cls_loss：
（1）这是验证集上的分类损失曲线。
（2）损失逐渐减少，说明模型在验证集上也逐渐表现得更好。
val/dfl_loss：
（1）这是验证集上的分布聚焦损失曲线。
（2）验证集上的分布聚焦损失，随着训练轮次的增加，损失值逐渐下降，表明模型的边界框定位能力在验证集中也在提升。
metrics/mAP50(B)：
（1）这是验证集上的mAP50曲线，表示在交并比阈值为0.5时模型的平均精度（mean Average Precision）。
（2）该值逐渐接近1，表明模型的检测效果在不断提升。
metrics/mAP50-95(B)：
（1）这是验证集上的mAP50-95曲线，表示在不同交并比阈值（从0.5到0.95）下模型的平均精度。
（2）随着训练轮次增加，指标逐渐上升，接近0.9，表明模型在不同的IoU阈值下都能保持较高的检测精度。
这些图表展示了模型在训练和验证过程中损失逐渐减少，精度和召回率逐渐提升，表明模型在婴儿情绪状态检测上的表现随着训练逐渐变得更好。
这张图展示的是 Precision-Recall 曲线，用于评估模型在不同类别下的检测性能。以下是详细解释：
图中的线条：
（1）每一条不同颜色的线分别代表某一种情绪状态（例如“cry”表示哭泣状态）在不同的召回率下的精确率表现。
（2）cry (哭泣)、back (抗拒)、neutral (平静) 和 happy (开心) 都达到了接近1的精确率和召回率，这表明模型在这四种情绪类别上的检测表现非常好，几乎所有正样本都被正确检测出来，同时预测为正样本的准确性也很高。
（3）all classes mAP@0.5 表示所有类别在平均精度下（Mean Average Precision, mAP）也达到0.995，说明整体模型性能非常高。
这张 Precision-Recall 曲线 说明该YOLOV8模型在识别婴儿情绪状态（哭泣、抗拒、平静、开心）时具有极高的准确性和召回率，表现非常优异。
4.检测结果识别
模型训练完成后，我们可以得到一个最佳的训练结果模型best.pt文件，在runs/train/weights目录下。我们可以使用该文件进行后续的推理检测。
imgTest.py 图片检测代码如下：
加载所需库：
（1）from ultralytics import YOLO：导入YOLO模型类，用于进行目标检测。
（2）import cv2：导入OpenCV库，用于图像处理和显示。
加载模型路径和图片路径：
（1）path = ‘models/best.pt’：指定预训练模型的路径，这个模型将用于目标检测任务。
（2）img_path = “TestFiles/imagetest.jpg”：指定需要进行检测的图片文件的路径。
加载预训练模型：
（1）model = YOLO(path, task=’detect’)：使用指定路径加载YOLO模型，并指定检测任务为目标检测 (detect)。
（2）通过 conf 参数设置目标检测的置信度阈值，通过 iou 参数设置非极大值抑制（NMS）的交并比（IoU）阈值。
检测图片：
（1）results = model(img_path)：对指定的图片执行目标检测，results 包含检测结果。
显示检测结果：
（1）res = results[0].plot()：将检测到的结果绘制在图片上。
（2）cv2.imshow(“YOLOv8 Detection”, res)：使用OpenCV显示检测后的图片，窗口标题为“YOLOv8 Detection”。
（3）cv2.waitKey(0)：等待用户按键关闭显示窗口
此代码的功能是加载一个预训练的YOLOv8模型，对指定的图片进行目标检测，并将检测结果显示出来。
执行imgTest.py代码后，会将执行的结果直接标注在图片上，结果如下：
这段输出是基于YOLOv8模型对图片“imagetest.jpg”进行检测的结果，具体内容如下：
图像信息：
（1）处理的图像路径为：TestFiles/imagetest.jpg。
（2）图像尺寸为 448×640 像素。
检测结果：
（1）模型在该图片上检测到 1 个婴儿平静（”1 neutral”）
处理速度：
（1）预处理时间：3.0毫秒
（2）推理时间（模型计算）：36.3毫秒
（3）后处理时间：110.3毫秒
模型在约36.3毫秒内成功检测出图像中的 “婴儿平静” 状态，并输出了检测框和相关信息。
运行效果
– 运行 MainProgram.py
1.主要功能：
（1）可用于实时检测目标图片中的婴儿情绪状态
（2）支持图片、视频及摄像头进行检测，同时支持图片的批量检测；
（3）界面可实时显示目标位置、目标总数、置信度、用时等信息;
（4）支持图片或者视频的检测结果保存。
2.检测结果说明：
这张图表显示了基于YOLOv8模型的目标检测系统的检测结果界面。以下是各个字段的含义解释：
用时（Time taken）:
（1）这表示模型完成检测所用的时间为0.060秒。
（2）这显示了模型的实时性，检测速度非常快。
目标数目（Number of objects detected）:
（1）检测到的目标数目为1，表示这是当前检测到的第1个目标。
目标选择(下拉菜单)：全部:
（1）这里有一个下拉菜单，用户可以选择要查看的目标类型。
（2）在当前情况下，选择的是“全部”，意味着显示所有检测到的目标信息。
类型（Type）:
（1）当前选中的行为类型为 “婴儿平静”，表示系统正在高亮显示检测到的“neutral”。
置信度（Confidence）:
（1）这表示模型对检测到的目标属于“婴儿平静”类别的置信度为91.54%。
（2）置信度反映了模型的信心，置信度越高，模型对这个检测结果越有信心。
目标位置（Object location）:
（1）xmin: 0, ymin: 0：目标的左上角的坐标(xmin, ymin)，表示目标区域在图像中的位置。
（2）xmax: 1500, ymax: 998：目标的右下角的坐标(xmax, ymax)，表示目标区域的边界。
这些坐标表示在图像中的目标区域范围，框定了检测到的“婴儿平静”的位置。
这张图展示了婴儿情绪状态的一次检测结果，包括检测时间、检测到的种类、各行为的置信度、目标的位置信息等。用户可以通过界面查看并分析检测结果，提升婴儿情绪状态检测的效率。
3.图片检测说明
（1）婴儿开心
（2）婴儿抗拒
（3）婴儿哭闹
（4）婴儿平静
点击打开图片按钮，选择需要检测的图片，或者点击打开文件夹按钮，选择需要批量检测图片所在的文件夹。
操作演示如下：
（1）点击目标下拉框后，可以选定指定目标的结果信息进行显示。
（2）点击保存按钮，会对检测结果进行保存，存储路径为：save_data目录下。
检测结果：系统识别出图片中的婴儿情绪状态，并显示检测结果，包括总目标数、用时、目标类型、置信度、以及目标的位置坐标信息。
4.视频检测说明
点击视频按钮，打开选择需要检测的视频，就会自动显示检测结果，再次点击可以关闭视频。
点击保存按钮，会对视频检测结果进行保存，存储路径为：save_data目录下。
检测结果：系统对视频进行实时分析，检测到婴儿情绪状态并显示检测结果。表格显示了视频中多个检测结果的置信度和位置信息。
这个界面展示了系统对视频帧中的多目标检测能力，能够准确识别婴儿情绪状态，并提供详细的检测结果和置信度评分。
5.摄像头检测说明
点击打开摄像头按钮，可以打开摄像头，可以实时进行检测，再次点击，可关闭摄像头。
检测结果：系统连接摄像头进行实时分析，检测到婴儿情绪状态并显示检测结果。实时显示摄像头画面，并将检测到的行为位置标注在图像上，表格下方记录了每一帧中检测结果的详细信息。
6.保存图片与视频检测说明
点击保存按钮后，会将当前选择的图片(含批量图片)或者视频的检测结果进行保存。
检测的图片与视频结果会存储在save_data目录下。
保存的检测结果文件如下：
图片文件保存的csv文件内容如下，包括图片路径、目标在图片中的编号、目标类别、置信度、目标坐标位置。
注：其中坐标位置是代表检测框的左上角与右下角两个点的x、y坐标。
（1）图片保存
（2）视频保存
– 运行 train.py
1.训练参数设置
（1）data=data_yaml_path: 使用data.yaml中定义的数据集。
（2）epochs=150: 训练的轮数设置为100轮。
（3）batch=4: 每个批次的图像数量为4（批次大小）。
（4）name=’train_v8′: 训练结果将保存到以train_v8为名字的目录中。
（5）optimizer=’SGD’: 使用随机梯度下降法(SGD)作为优化器。
虽然在大多数深度学习任务中，GPU通常会提供更快的训练速度。
但在某些情况下，可能由于硬件限制或其他原因，用户需要在CPU上进行训练。
温馨提示：在CPU上训练深度学习模型通常会比在GPU上慢得多，尤其是像YOLOv8这样的计算密集型模型。除非特定需要，通常建议在GPU上进行训练以节省时间。
2.训练日志结果
这张图展示了使用YOLOv8进行模型训练的详细过程和结果。
训练总时长：
（1）模型在训练了150轮后，总共耗时4.631小时。
all：所有类别的总体性能。
（1）精确率（Box(P)）: 0.991
（2）召回率（R）: 0.989
（3）mAP50: 0.995
（4）mAP50-95: 0.87
cry（哭泣）：
（1）精确率: 0.998
（2）召回率: 0.987
（3）mAP50: 0.995
（4）mAP50-95: 0.879
（5）表明该模型在“哭泣”情绪检测上表现非常好，几乎所有哭泣实例都被正确检测且精度高。
back（抗拒）：
（1）精确率: 0.986
（2）召回率: 0.993
（3）mAP50: 0.995
（4）mAP50-95: 0.915
（5）在“抗拒”类别上表现出色，召回率非常高，几乎所有实例都被正确识别。
neutral（平静）：
（1）精确率: 0.988
（2）召回率: 0.986
（3）mAP50: 0.995
（4）mAP50-95: 0.843
（5）平静情绪的mAP50-95稍低，但总体表现仍然相当不错。
happy（开心）：
（1）精确率: 0.991
（2）召回率: 0.989
（3）mAP50: 0.995
（4）mAP50-95: 0.844
（5）对“开心”情绪的检测也非常精准，精确率和召回率都接近1。
速度：
（1）预处理时间：0.2ms
（2）推理时间：1.3ms
（3）后处理时间：0.8ms
结果保存：
（1）Results saved to runs\detect\train_v8：验证结果保存在 runs\detect\train_v8 目录下。
完成信息：
（1）Process finished with exit code 0：表示整个验证过程顺利完成，没有报错。
YOLOv8模型在大多数情感类别上的表现非常出色，尤其是在“自信”和“积极”类别上。尽管如此，某些类别如“困惑”可能还需要进一步的模型调优和数据增强来提高识别准确度。整体而言，该模型具有很高的mAP值和处理效率，适合大规模的检测任务。
