一种基于卷积神经网络的像素位移向量的微表情识别方法
基本信息
| 申请号 | CN202111204917.X | 申请日 | - |
| 公开（公告）号 | CN114005157A | 公开（公告）日 | 2022-02-01 |
| 申请公布号 | CN114005157A | 申请公布日 | 2022-02-01 |
| 分类号 | G06V40/16（2022.01）I;G06V10/80（2022.01）I;G06V10/774（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 何双江;项金桥;董喆;方博;鄢浩;赵俭辉;赵慧娟;翟芷君 | 申请（专利权）人 | 武汉烽火信息集成技术有限公司 |
| 代理机构 | 武汉科皓知识产权代理事务所（特殊普通合伙） | 代理人 | 严彦 |
| 地址 | 430074湖北省武汉市洪山区邮科院路88号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于卷积神经网络的像素位移向量的微表情识别方法，建立基于像素位移生成模块的端到端的的微表情识别网络，基于微表情识别网络的处理流程：选取最大帧，包括在训练过程中随机选取原最大帧前后某一帧作为最大帧图像；将所选最大帧图像与起始帧图像一同输入像素位移生成模块，输出两幅图像间的像素位移向量特征图；计算相关损失函数，包括先对生成的位移向量特征图进行采样得到位移特征图，再采样生成近似最大帧图像，计算重建损失和正则损失；归一化操作，包括对生成的像素位移向量特征图进行归一化；进行特征学习和微表情分类，包括将最大帧图像与归一化后的像素位移向量特征图相连接后一起输入分类网络，得到分类预测结果。 |
