申请/专利权人:北京长河数智科技有限责任公司;长河信息股份有限公司
申请日:2024-03-19
公开(公告)日:2024-04-26
公开(公告)号:CN117935339A
主分类号:G06V40/16
分类号:G06V40/16;G06N3/044;G06N3/0455;G06N3/0464;G06N3/082;G06N5/022;G06V10/77;G06V10/80;G06V10/82
优先权:
专利状态码:在审-公开
法律状态:2024.04.26#公开
摘要:本申请公开了一种基于多模态融合的微表情识别方法,涉及微表情识别技术领域,包括:采集多模态数据,多模态数据包含用户数据和环境数据,用户数据包含微表情和生理参数;环境数据包含光照和温湿度,微表情指面部精细表情特征;提取微表情的表征向量,表征向量表示微表情图像或视频序列的语义特征;根据微表情的表征向量与不同情感类别的对应关系,构建微表情知识图谱;采用实体对齐算法,在同一特征空间内,利用语义约束将微表情知识图谱和生理参数进行特征对齐,构建多模态知识图谱;基于多模态知识图谱和环境数据,构建微表情识别模型,输出表示微表情识别结果。针对现有技术中微表情识别精度低的问题,本申请提高微表情识别的精确度。
主权项:1.一种基于多模态融合的微表情识别方法,包括:采集多模态数据,多模态数据包含用户数据和环境数据,用户数据包含微表情和生理参数;环境数据包含光照和温湿度,微表情指面部精细表情特征;提取微表情的表征向量,表征向量表示微表情图像或视频序列的语义特征;根据微表情的表征向量与不同情感类别的对应关系,构建微表情知识图谱;采用实体对齐算法,在同一特征空间内,利用语义约束将微表情知识图谱和生理参数进行特征对齐,构建多模态知识图谱;基于多模态知识图谱和环境数据,构建微表情识别模型,输出表示微表情识别结果的情感分析向量。
全文数据:
权利要求:
百度查询: 北京长河数智科技有限责任公司;长河信息股份有限公司 一种基于多模态融合的微表情识别方法
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。