一、引言

人脸表情情绪检测是计算机视觉领域的重要研究方向，广泛应用于人机交互、心理健康评估、安防监控等场景。传统方法依赖手工特征提取，难以应对复杂场景下的表情变化。近年来，基于深度学习的目标检测框架（如YOLOv5）因其高效性和准确性，成为表情检测的主流方案。本文将围绕YOLOv5，系统阐述如何完成人脸表情情绪检测的模型训练、评估及推理全流程。

二、数据集准备与预处理

1. 数据集选择与标注

表情检测任务需要标注人脸区域及其表情类别（如高兴、悲伤、愤怒等）。常用公开数据集包括：

• FER2013：包含3.5万张灰度人脸图像，标注7类基础表情；
• CK+：实验室环境下采集的高质量表情序列，标注6类表情；
• AffectNet：大规模自然场景数据集，含100万张图像，标注8类表情。

标注规范：需使用工具（如LabelImg、CVAT）标注人脸边界框（bbox）及表情类别，确保标注框紧贴人脸区域，避免包含背景噪声。

2. 数据增强与预处理

为提升模型泛化能力，需对训练数据进行增强：

• 几何变换：随机旋转（-15°~15°）、缩放（0.8~1.2倍）、平移（±10%图像尺寸）；
• 颜色扰动：调整亮度、对比度、饱和度；
• MixUp/Mosaic：将多张图像拼接为一张，增加上下文信息。

预处理代码示例（PyTorch）：

import torchvision.transforms as T
train_transform = T.Compose([
    T.ToPILImage(),
    T.RandomRotation(15),
    T.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2),
    T.Resize((640, 640)),  # YOLOv5默认输入尺寸
    T.ToTensor(),
    T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

三、YOLOv5模型训练

1. 模型选择与配置

YOLOv5提供多种版本（s/m/l/x），根据任务需求选择：

• YOLOv5s：轻量级，适合嵌入式设备；
• YOLOv5x：高精度，适合服务器部署。

修改配置文件（data/emotion.yaml）指定数据集路径和类别数：

train: ./datasets/emotion/train/images
val: ./datasets/emotion/val/images
nc: 7  # 表情类别数
names: ['angry', 'disgust', 'fear', 'happy', 'sad', 'surprise', 'neutral']

2. 训练参数优化

关键参数设置：

• 批次大小（batch-size）：根据GPU内存调整（如16/32）；
• 学习率（lr0）：初始学习率（如0.01），配合CosineAnnealingLR调度器；
• 迭代次数（epochs）：通常200~300轮，监控验证集mAP；
• 损失函数：YOLOv5默认使用CIoU Loss（边界框回归）和Focal Loss（分类）。

训练命令示例：

python train.py --img 640 --batch 16 --epochs 300 --data emotion.yaml --weights yolov5s.pt --name emotion_detection

3. 训练日志与监控

通过TensorBoard或Weights & Biases记录训练过程，关注以下指标：

• 损失曲线：box_loss、obj_loss、cls_loss应持续下降；
• mAP@0.5：验证集平均精度，反映模型整体性能；
• PR曲线：分析各类别召回率与精确率。

四、模型评估与优化

1. 评估指标

• mAP（Mean Average Precision）：IoU阈值设为0.5时，所有类别的平均精度；
• F1-Score：精确率与召回率的调和平均，适合类别不平衡场景；
• 推理速度：FPS（Frames Per Second），衡量实时性。

2. 常见问题与优化

• 过拟合：增加数据增强、使用Dropout、早停（Early Stopping）；
• 小目标检测差：调整锚框尺寸（anchors.py）、增加输入分辨率；
• 类别不平衡：采用加权损失函数或过采样。

五、模型推理与部署

1. 推理代码示例

import cv2
import torch
from models.experimental import attempt_load
# 加载模型
model = attempt_load('runs/train/emotion_detection/weights/best.pt')
model.eval()
# 推理单张图像
img = cv2.imread('test.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
results = model(img)
# 解析结果
for *box, conf, cls in results.xyxy[0]:
    label = f'{model.names[int(cls)]}: {conf:.2f}'
    cv2.rectangle(img, (int(box[0]), int(box[1])), (int(box[2]), int(box[3])), (0, 255, 0), 2)
    cv2.putText(img, label, (int(box[0]), int(box[1])-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
cv2.imwrite('output.jpg', img)

2. 部署方案

• ONNX导出：支持跨平台部署（如TensorRT、OpenVINO）；
• 移动端部署：使用TensorFlow Lite或NCNN优化模型；
• Web服务：通过Flask/FastAPI封装API，提供RESTful接口。

六、总结与展望

本文系统介绍了基于YOLOv5的人脸表情情绪检测全流程，涵盖数据集准备、模型训练、评估及推理。未来方向包括：

1. 多模态融合：结合音频、文本信息提升检测鲁棒性；
2. 轻量化设计：开发更适合边缘设备的模型；
3. 实时性优化：通过模型剪枝、量化加速推理。

开发者可根据实际需求调整参数和部署方案，快速构建高效的表情检测系统。