申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2024-01-12

公开（公告）日：2024-04-09

公开（公告）号：CN117854135A

主分类号：G06V40/16

分类号：G06V40/16;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于四元超复网络的微表情识别方法，属于图像识别技术领域，要解决的技术问题为如何基于深度学习方法实现微表情识别。包括：获取数据集中微表情视频的起始帧和顶点帧，计算起始帧和顶点帧之间的水平分量、垂直分量和光学应变，并基于光流估计网络FlowNet2提取微表情图像的光流特征，将水平分量、垂直分量和光学应变以及光流特征形成的四维张量作为微表情视频的图像特征；基于卷积神经网络构建包括超复卷积网络和注意力模块的微表情识别模型，微表情识别模型用于以四维张量为输入、预测输出表情类别；对于待识别的微表情视频，获取微表情视频对应的四维张量作为输入，通过最终微表情识别模型输出预测的表情类别。

主权项：1.一种基于四元超复网络的微表情识别方法，其特征在于，包括如下步骤：数据预处理：获取数据集中微表情视频的起始帧和顶点帧，计算起始帧和顶点帧之间的水平分量、垂直分量和光学应变，并基于光流估计网络FlowNet2提取微表情图像的光流特征，将水平分量、垂直分量和光学应变以及光流特征形成的四维张量作为微表情视频的图像特征；模型构建：基于卷积神经网络构建包括超复卷积网络和注意力模块的微表情识别模型，超复卷积网络中引入超复数、并利用汉密尔顿乘积规则构建权重张量，所述微表情识别模型用于以所述四维张量为输入、预测输出表情类别；模型训练：基于样本图像以及微表情图像序列真实的类别标签构建数据集，基于数据集对微表情识别模型进行模型训练，得到最终微表情识别模型；微表情识别：对于待识别的微表情视频，获取微表情视频对应的四维张量，以四维张量作为输入，通过最终微表情识别模型输出预测的表情类别。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 一种基于四元超复网络的微表情识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD