申请/专利权人：平安科技(深圳)有限公司

申请日：2021-08-30

公开（公告）日：2024-06-28

公开（公告）号：CN113723287B

主分类号：G06V10/774

分类号：G06V10/774;G06V40/16;G06V10/82;G06N3/044;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.12.17#实质审查的生效;2021.11.30#公开

摘要：本申请涉及表情识别技术领域，更为具体来说，本申请涉及基于双向循环神经网络的微表情识别方法、装置及介质。所述方法包括：将原始微表情数据进行预处理，获得面部行为编码序列；对所述面部行为编码序列进行面部行为编码，得到微表情编码特征向量；将所述微表情编码特征向量输入训练好的双向循环神经网络；将双向循环神经网络输出的特征向量基于时间注意力机制提取微表情时序特征；将所述微表情时序特征通过Softmax函数识别微表情的表情类别。本申请的所述方法与装置可充分识别微表情中的特征，提升微表情的识别精度。

主权项：1.一种基于双向循环神经网络的微表情识别方法，其特征在于，包括以下步骤：将原始微表情数据进行预处理，获得面部行为编码序列；对所述面部行为编码序列进行面部行为编码，得到微表情编码特征向量；将所述微表情编码特征向量输入训练好的双向循环神经网络；将双向循环神经网络输出的特征向量基于时间注意力机制提取微表情时序特征；将所述微表情时序特征通过Softmax函数识别微表情的表情类别；其中，所述双向循环神经网络基于GRU神经网络LSTM神经网络构建，具有输入层、隐含层和输出层；所述隐含层包括第一隐含层和第二隐含层，所述第一隐含层以LSTM神经网络作为前向传播，以GRU神经网络作为反向传播；所述第二隐含层以GRU神经网络作为前向传播，以LSTM神经网络作为反向传播；所述将所述微表情编码特征向量输入训练好的双向循环神经网络之前还包括：将所述微表情编码特征向量通过空间注意力机制提取微表情空间特征；所述将所述微表情编码特征向量通过空间注意力机制提取微表情空间特征的公式为：St,k＝wσft,kwx+ct-1wc,k+b其中，St,k表示微表情视频第t帧图像的第k个动作的微空间特征，σ表示映射函数，ft,k表示微表情视频第t帧图像的第k个动作的微表情编码特征向量，ct-1表示t-1时刻记忆特征，w,wx,wc,k表示参数矩阵，b为偏置；所述将双向循环神经网络输出的特征向量通过时间注意力机制提取微表情时序特征的公式为：Vt＝fwthtwht+h′wh′t+b其中，Vt表示t时刻微表情的时序特征，f表示激活函数，wt,wht,wh′t表示可训练的参数矩阵，ht表示t时刻的隐含特征，h′代表上一时刻的隐含特征，b为偏置；所述双向循环神经网络的训练步骤包括：选择训练数据集；初始化迭代次数、批处理大小和学习率；损失函数配置为交叉熵损失函数；将所述训练数据集输入到所述双向循环神经网络中进行训练；在训练达到第一预设次数时，对输入到双向循环神经网络中训练数据集加空间注意力机制提取微表情空间特征，对双向循环神经网络的输出结果基于时间注意力机制提取微表情时序特征；当迭代次数达到第二预设次数时，终止训练。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 基于双向循环神经网络的微表情识别方法、装置及介质

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