摘要

本研究基于YOLO26架构构建并训练了一款面向七类基础情绪（愤怒/厌恶/恐惧/高兴/中立 /悲伤/惊讶）的表情识别检测系统。实验数据集共包含5600余张图像，划分为训练集（4483张）、验证集（550张）及测试集（566张）。训练结果表明，该模型在验证集上取得了良好的收敛性。各类别中，“厌恶”（Disgusted）与“高兴”（Happy）的识别精度极高，mAP分别达到93.1%和91.2%。混淆矩阵分析显示，模型在区分“恐惧”与“悲伤”、“愤怒”与“中立”等相似表情时存在一定混淆。总体而言，该系统在实时性与准确率之间取得了较好的平衡，但在处理细微表情差异及类间相似性较高的样本时仍有优化空间。

详细功能展示视频

https://www.bilibili.com/video/BV1wHoWB1Efj/

目录

  摘要

详细功能展示视频

https://www.bilibili.com/video/BV1wHoWB1Efj/

功能模块

1、用户管理模块

2、界面与交互模块

3、检测源管理模块

4、检测参数配置模块

5、YOLO检测核心模块

6、结果显示模块

7、结果保存模块

8、工具栏功能

9、辅助功能

10、数据校验模块

引言

背景

1. 面部表情识别的研究意义与挑战

2. 从传统方法到深度学习的演进

3. 基于YOLO的目标检测范式

数据集介绍

训练结果

 整体性能概览​编辑

 训练过程分析​编辑

各类别性能详解

Ultralytics YOLO26

概述

主要功能

常用标注工具

详细功能展示视频

---

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

注册

登录

✅ 图片检测：可对图片进行检测，返回检测框及类别信息。

✅ 参数实时调节（置信度和IoU阈值）

✅ 支持选择检测目标：可以选择一个或者多个类目的目标进行检测

✅ 视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅ 摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

功能	描述
用户注册	用户名、密码、确认密码、邮箱（选填）注册，密码SHA256加密存储
用户登录	用户名密码验证，自动跳转主界面
用户数据存储	JSON文件存储用户信息（密码加密、注册时间、邮箱）
登录状态	主界面显示当前登录用户名

2、界面与交互模块

功能	描述
玻璃效果界面	半透明毛玻璃背景，圆角边框，现代化视觉风格
无边框窗口	自定义标题栏，支持窗口拖动、最小化、最大化、关闭
响应式布局	主窗口三栏布局（左侧控制区、中央显示区、右侧信息区）
状态栏	显示设备信息、模型状态、当前用户、实时时间

3、检测源管理模块

功能	描述
图片检测	支持JPG/JPEG/PNG/BMP格式图片载入
视频检测	支持MP4/AVI/MOV/MKV格式视频载入
摄像头检测	实时调用摄像头（默认ID 0）进行检测
检测源切换	下拉菜单切换三种检测模式，自动更新界面状态

4、检测参数配置模块

功能	描述
置信度阈值	滑动条调节（0-100%，步长1%），实时显示当前值
IoU阈值	滑动条调节（0-100%，步长1%），实时显示当前值
类别选择	动态生成检测类别复选框，支持全选/取消全选
参数同步	参数实时同步到检测器核心

5、YOLO检测核心模块

功能	描述
模型加载	加载best.pt模型文件，自动检测GPU可用性，支持CPU/GPU切换
多模式检测	图片检测、视频检测、摄像头实时检测
检测线程	基于QThread的多线程处理，避免界面卡顿
检测结果	返回目标类别、置信度、边界框坐标
FPS计算	实时计算处理帧率
进度反馈	视频处理进度条实时更新

6、结果显示模块

功能	描述
实时画面	中央区域显示检测结果图像（带标注框）
统计信息	检测状态、目标数量、FPS、处理帧数实时更新
检测列表	右侧列表显示当前帧所有检测到的目标（类别+置信度）
日志记录	日志标签页记录操作和错误信息，带时间戳
占位显示	未选择检测源时显示系统LOGO和提示文字

7、结果保存模块

功能	描述
保存开关	复选框控制是否保存检测结果
路径选择	自定义保存路径，支持图片/视频格式自动识别
自动命名	保存文件自动添加时间戳（detection_result_20240101_120000.jpg）
视频保存	支持检测结果视频录制（MP4格式）
手动保存	工具栏保存按钮可随时保存当前画面
保存反馈	保存成功弹窗提示，日志记录保存路径

8、工具栏功能

功能	描述
图片按钮	快速切换到图片检测模式并打开文件选择器
视频按钮	快速切换到视频检测模式并打开文件选择器
摄像头按钮	快速切换到摄像头检测模式
保存按钮	手动保存当前显示画面

9、辅助功能

功能	描述
错误处理	统一错误弹窗提示，日志记录错误详情
资源清理	检测停止时自动释放摄像头、视频文件、视频写入器资源
时间显示	状态栏实时显示系统时间
模型状态	状态栏显示模型加载状态和当前设备（CPU/GPU）

10、数据校验模块

功能	描述
注册验证	用户名长度≥3，密码长度≥6，密码一致性检查，邮箱格式验证
协议确认	注册前需勾选同意用户协议
文件校验	模型文件存在性检查，文件大小验证（≥6MB）
输入非空	登录/注册时必填项非空检查

引言

随着人工智能与计算机视觉技术的飞速发展，人机交互（HCI）正从传统的键盘鼠标输入向更自然、更智能的情感交互转变。面部表情作为人类传递情感、意图及心理状态最直接的非语言信号，其自动识别技术在心理学研究、驾驶员疲劳监测、智能安防及市场调研等领域具有广泛的应用前景。

传统的表情识别方法多依赖于手工特征提取（如LBP、HOG）结合分类器，但这类方法在复杂背景、光照变化及遮挡情况下鲁棒性较差。近年来，基于深度学习的目标检测算法，特别是YOLO（You Only Look Once）系列，凭借其端到端的检测速度和较高的精度，成为了解决此类问题的主流方案。本研究旨在利用YOLO26算法构建一个高效的表情识别系统，针对七类基础情绪进行训练与评估。通过分析训练损失、精度召回率曲线及混淆矩阵，深入探讨模型在不同情绪类别上的表现差异及其潜在原因，为后续优化提供依据。

背景

1. 面部表情识别的研究意义与挑战

面部表情识别（Facial Expression Recognition, FER）是计算机视觉领域的一个核心课题。根据心理学家Paul Ekman的理论，人类存在七种跨文化通用的基本情绪：愤怒（Angry）、厌恶（Disgusted）、恐惧（Fearful）、高兴（Happy）、中立（Neutral）、悲伤（Sad）和惊讶（Surprised）。自动识别这些情绪不仅要求算法能够精准定位人脸，还需要捕捉面部肌肉的细微运动（如眼角皱纹、嘴角弧度）。然而，实际应用场景面临着巨大的挑战：首先是类内差异性，不同个体在表达同一情绪时的面部形态差异巨大；其次是类间相似性，例如“恐惧”与“惊讶”在眉毛抬高这一特征上高度重合，“愤怒”与“厌恶”在眉眼区域的肌肉收缩也极易混淆。此外，光照不均、头部姿态偏转以及部分遮挡（如口罩、眼镜）都会显著降低识别的准确率。

2. 从传统方法到深度学习的演进

早期的FER系统通常分为两个阶段：首先使用Viola-Jones等算法进行人脸检测，然后提取几何特征或纹理特征输入SVM等分类器。这类方法计算量小，但泛化能力弱。随着卷积神经网络（CNN）的兴起，基于深度学习的方法展现出了压倒性的优势。CNN能够自动学习从低级边缘到高级语义特征的层次化表达，极大地提升了识别精度。

3. 基于YOLO的目标检测范式

在表情识别任务中，除了分类，定位也是关键一环。YOLO作为单阶段（One-Stage）目标检测算法的代表，将检测问题转化为回归问题，在保持高精度的同时实现了实时检测。与两阶段算法（如Faster R-CNN）相比，YOLO直接在全图范围内预测边界框和类别概率，具有更快的推理速度，非常适合对实时性要求较高的应用场景。

数据集介绍

本研究使用的数据集经过精心清洗与标注，旨在覆盖日常生活中常见的七种基础情绪表达。数据集详细配置如下：

• 类别定义（nc=7）：

  1. Angry（愤怒）
  2. Disgusted（厌恶）
  3. Fearful（恐惧）
  4. Happy（高兴）
  5. Neutral（中立/平静）
  6. Sad（悲伤）
  7. Surprised（惊讶）

• 数据划分与规模：
  数据集共包含 5600 张左右的图像，按照机器学习的标准流程划分为三个部分，以确保模型评估的客观性：

  • 训练集（Training Set）：包含 4483 张图像。
  • 验证集（Validation Set）：包含 550 张图像。
  • 测试集（Test Set）：包含 566 张图像。

训练结果

 整体性能概览

• 平均精度 (mAP): 模型在IoU阈值为0.5时的mAP达到 73.2%，在更严格的IoU阈值0.5:0.95下为 67%。这表明模型在定位和分类表情方面具有较强的综合能力。

 训练过程分析

• 损失函数 (Loss): 训练集的损失（box_loss, cls_loss, dfl_loss）随着训练轮次的增加而平滑下降，表明模型正在有效学习。

各类别性能详解

模型在不同表情类别上的表现差异显著：

• 表现优异的类别:
  • 厌恶 (Disgusted): mAP高达 93.1%，是所有类别中表现最好的。其精确率-召回率曲线下的面积最大，说明模型对此类别的识别非常准确和稳定。
  • 高兴 (Happy): mAP为 91.2%，同样表现出色。
  • 惊讶 (Surprised): mAP为 85.5%，性能良好。
• 表现中等的类别:
  • 生气 (Angry): mAP为 63.4%。
  • 中立 (Neutral): mAP为 65.9%。
  • 悲伤 (Sad): mAP为 62.9%。
    这些类别的性能尚可，但有明显的提升空间。

Ultralytics YOLO26

概述

Ultralytics  YOLO26 是 YOLO 系列实时对象检测器的最新演进，从头开始专为边缘和低功耗设备而设计。它引入了简化的设计，消除了不必要的复杂性，同时集成了有针对性的创新，以实现更快、更轻、更易于访问的部署。

YOLO26 的架构遵循三个核心原则：

• 简洁性: YOLO26是一个原生的端到端模型，直接生成预测结果，无需非极大值抑制（NMS）。通过消除这一后处理步骤，推理变得更快、更轻量，并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创，并在YOLO26中得到了进一步发展。
• 部署效率： 端到端设计消除了管道的整个阶段，从而大大简化了集成，减少了延迟，并使部署在各种环境中更加稳健。
• 训练创新：YOLO26 引入了MuSGD 优化器，它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛，将语言模型中的优化进展转移到计算机视觉领域。
• 任务特定优化：YOLO26 针对专业任务引入了有针对性的改进，包括用于 Segmentation 的语义分割损失和多尺度原型模块，用于高精度 姿势估计 的残差对数似然估计 (RLE)，以及通过角度损失优化解码以解决 旋转框检测 中的边界问题。

这些创新共同提供了一个模型系列，该模型系列在小对象上实现了更高的精度，提供了无缝部署，并且在 CPU 上的运行速度提高了 43% — 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。

主要功能

• DFL 移除
  分布式焦点损失（DFL）模块虽然有效，但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL，简化了推理过程，并拓宽了对边缘和低功耗设备的支持。

• 端到端无NMS推理
  与依赖NMS作为独立后处理步骤的传统检测器不同，YOLO26是原生端到端的。预测结果直接生成，减少了延迟，并使集成到生产系统更快、更轻量、更可靠。

• ProgLoss + STAL
  改进的损失函数提高了检测精度，在小目标识别方面有显著改进，这是物联网、机器人、航空影像和其他边缘应用的关键要求。

• MuSGD Optimizer
  一种新型混合优化器，结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2，MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉，从而实现更稳定的训练和更快的收敛。

• CPU推理速度提升高达43%
  YOLO26专为边缘计算优化，提供显著更快的CPU推理，确保在没有GPU的设备上实现实时性能。

• 实例分割增强
  引入语义分割损失以改善模型收敛，以及升级的原型模块，该模块利用多尺度信息以获得卓越的掩膜质量。

• 精确姿势估计
  集​成残差对数似然估计​(RLE)，以实现更精确的关键点定位，并优化解码过程以提高推理速度。

• 优化旋转框检测解码
  引入专门的角度损失以提高方形物体的检测精度，并优化旋转框检测解码以解决边界不连续性问题。

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

这些开源工具经济实惠，并提供一系列功能来满足不同的标注需求。

界面核心代码：