[发明专利]一种基于深度学习的人脸微表情识别方法在审
| 申请号： | 201611055921.3 | 申请日： | 2016-11-25 |
| 公开（公告）号： | CN106599800A | 公开（公告）日： | 2017-04-26 |
| 发明（设计）人： | 王科俊;郭芳良;邢向磊 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 人脸微 表情 识别 方法 | ||
【权利要求书】：
1.一种基于深度学习的人脸微表情识别方法，其特征是：
步骤A：建立微表情数据库；
步骤B：对微表情图像进行预处理；
步骤C：利用卷积块代替大卷积核提取特征；
步骤D：利用卷积块构建基于卷积块的微表情识别网络结构，并用利用微表情识别网络结构对微表情进行识别。
2.根据权利要求1所述的一种基于深度学习的人脸微表情识别方法，其特征是所述建立微表情数据库具体包括：
步骤A1：搜集现有的微表情数据库图片；
步骤A2：从网络上搜索一定量的微表情图片；
步骤A3：从现有的微表情数据库图片中截取一部分图片和从网络上搜索的微表情图片组合成新的微表情数据库。
3.根据权利要求1或2所述的一种基于深度学习的人脸微表情识别方法，其特征是所述对微表情图像进行预处理具体包括：
步骤B1：将图片进行左右翻转，将微表情图片数量增大一倍；
步骤B2：进行图像归一化操作；
步骤B3：进行直方图均衡化操作。
4.根据权利要求1或2所述的一种基于深度学习的人脸微表情识别方法，其特征是所述利用卷积块代替大卷积核提取特征是利用小卷积核多次卷积的方法。
5.根据权利要求3所述的一种基于深度学习的人脸微表情识别方法，其特征是所述利用卷积块代替大卷积核提取特征是利用小卷积核多次卷积的方法。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201611055921.3/1.html，转载请声明来源钻瓜专利网。
