龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：齐鲁工业大学(山东省科学院)
摘要：本发明属于表情识别领域，提供了一种基于运动学习和图像特征表示融合的微表情识别方法，其技术方案为：包括运动学习流、图像特征表示流和异构信息融合机制三个组成部分。首先，运动学习流从帧间运动信息中提取与微表情相关的多尺度面部肌肉运动特征；其次，图像特征表示流从顶帧图像中，逐步提取局部和全局的面部细节和语义特征；最后，提出了异构信息融合机制，实现运动特征与图像特征之间的信息交互和分类信息的融合。具体来说，交叉融合模块旨在融合从两个流中提取的特征，从而产生更全面、更丰富的图像特征和运动特征相互影响和增强的表示。结果整合策略将两个流的结果作为模型的分类结果，进一步整合不同的特征信息。
主权项：1.一种基于运动学习和图像特征表示融合的微表情识别方法，其特征在于，包括如下步骤：获取包含微表情的RGB图像，并从RGB图像中提取面部肌肉运动信息；将面部肌肉运动信息结合运动学习流，提取面部肌肉运动特征；将RGB图像结合图像特征表示流，提取图像特征；基于面部肌肉运动特征、图像特征和构建的异构信息融合机制，得到微表情识别结果；其中，所述异构信息融合的构建过程包括：运动学习流和图像特征表示流的层级一一对应，将上一层级提取的面部肌肉运动特征和图像特征转换为相应的查询、键和值，经过多头交叉注意层，将图像特征表示的查询与运动特征的键相乘，确定注意权值，利用注意权值和运动特征的值相互作用，得到注意头的输出，将所有注意头的输出连接得到交叉融合后的面部肌肉运动特征和图像特征，和上一层级提取的面部肌肉运动特征和图像特征相加后，作为下一层级的输入，将运动学习流和图像特征表示流最后一层的输出的面部肌肉运动特征和图像特征相结合后进行分类，得到微表情分类结果。
全文数据：
权利要求：
百度查询： 齐鲁工业大学(山东省科学院) 一种基于运动学习和图像特征表示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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号