申请/专利权人：平安科技(深圳)有限公司

申请日：2021-11-29

公开（公告）日：2024-06-28

公开（公告）号：CN113963423B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06N3/084;G06N3/09;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.15#实质审查的生效;2022.01.21#公开

摘要：本发明属于人工智能技术领域，提出一种基于神经网络的微表情识别方法、系统、设备及存储介质，该方法包括：对待识别视频中微表情图像进行预处理，获取预处理后的微表情图像；提取预处理后的微表情图像中的微表情时空特征；将预处理后的微表情图像中的微表情时空特征输入到微表情识别模型中，对所述待识别视频中的微表情进行识别。本发明通过深度堆叠网络模块可以对微表情时空特征进行二次特征提取，并通过长短期记忆网络模块可以保证微表情时空特征能在微表情识别模型中进行有效传递，进一步提高微表情识别精度；最后通过粒子群优化算法对深度堆叠网络进行优化，解决了微表情识别模型中维度灾难的问题。

主权项：1.一种基于神经网络的微表情识别方法，其特征在于，包括：对待识别视频中微表情图像进行预处理，获取预处理后的微表情图像；提取预处理后的微表情图像中的微表情时空特征；将预处理后的微表情图像中的微表情时空特征输入到微表情识别模型中，对所述待识别视频中的微表情进行识别，其中，所述微表情识别模型由改进的深度堆叠网络模块和长短期记忆网络模块依次连接组成，改进的深度堆叠网络模块利用粒子群优化算法对深度堆叠网络进行优化实现，所述微表情识别模型由样本和标签进行训练后得到；所述改进的深度堆叠网络包括输入层、隐含层和输出层，其中，对于当前改进的深度堆叠网络，所述当前改进的深度堆叠网络的输入为所述微表情时空特征与所述当前改进的深度堆叠网络之前的所有改进的深度堆叠网络的输出拼接后得到；所述当前改进的深度堆叠网络的输入为所述微表情时空特征与所述当前改进的深度堆叠网络之前的所有改进的深度堆叠网络的输出拼接后得到，包括：对于第i个改进的深度堆叠网络，当i2时，第i个改进的深度堆叠网络输入层的输入为所述微表情时空特征、前i-2个改进的深度堆叠网络的输出，第j个改进的深度堆叠网络隐含层的输入为第i个改进的深度堆叠网络输入层的输出和第i-1个改进的深度堆叠网络的输出；当i=2时，第2个改进的深度堆叠网络输入层的输入为所述微表情时空特征，第2个改进的深度堆叠网络隐含层的输入为第2个改进的深度堆叠网络输入层的输出和第1个改进的深度堆叠网络的输出；当i=1时，第1个改进的深度堆叠网络输入层的输入为所述微表情时空特征，第1个改进的深度堆叠网络隐含层的输入为第1个改进的深度堆叠网络输入层的输出。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 基于神经网络的微表情识别方法、系统、设备及存储介质

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