← 返回列表
一种微表情识别方法、系统、设备和介质
摘要文本
本发明涉及一种微表情识别方法、系统、设备和介质，其中，方法包括：步骤S1：获取微表情帧序列，读取所述微表情帧序列的起始帧，并定位所述微表情帧序列的顶点帧，其中，所述顶点帧为微表情强度最高的图像帧；步骤S2：等间隔提取所述起始帧至顶点帧之间的其余微表情帧序列，根据提取的其余微表情帧序列，利用改进的Farneback光流法和人脸面部感兴趣区域RO I计算其余微表情帧序列的光流差异，得到微表情产生的光流运动特征；步骤S3：将所述微表情产生的光流运动特征输入构建的ME‑ResNet网络模型，通过所述ME‑ResNet网络模型实现对微表情的识别。本发明能够对微表情进行准确且有效的识别。。来源：马 克 团 队
申请人信息
- 申请人:江南大学
- 申请人地址:214122 江苏省无锡市滨湖区蠡湖大道1800号
- 发明人: 江南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种微表情识别方法、系统、设备和介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311538764.1 |
| 申请日 | 2023/11/17 |
| 公告号 | CN117456586A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06V40/16 |
| 权利人 | 江南大学 |
| 发明人 | 朱建鸿; 江盛; 于力革 |
| 地址 | 江苏省无锡市滨湖区蠡湖大道1800号 |
专利主权项内容
1.一种微表情识别方法，其特征在于：包括：步骤S1：获取微表情帧序列，读取所述微表情帧序列的起始帧，并定位所述微表情帧序列的顶点帧，其中，所述顶点帧为微表情强度最高的图像帧；步骤S2：等间隔提取所述起始帧至顶点帧之间的其余微表情帧序列，根据提取的其余微表情帧序列，利用改进的Farneback光流法和人脸面部感兴趣区域ROI计算其余微表情帧序列的光流差异，得到微表情产生的光流运动特征；步骤S3：将所述微表情产生的光流运动特征输入构建的ME-ResNet网络模型，通过所述ME-ResNet网络模型实现对微表情的识别。 马 克 数 据 网