[发明专利]一种基于多尺度特征提取的人脸表情识别模型在审
| 申请号： | 202210632822.6 | 申请日： | 2022-06-07 |
| 公开（公告）号： | CN114944000A | 公开（公告）日： | 2022-08-26 |
| 发明（设计）人： | 韦鹏程;颜蓓;黄思行 | 申请（专利权）人： | 重庆第二师范学院 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V10/82;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 重庆一叶知秋专利代理事务所(普通合伙) 50277 | 代理人： | 刘洪雨 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 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 尺度 特征 提取 表情 识别 模型 | ||
1.一种基于多尺度特征提取的人脸表情识别模型，其特征在于：包括从当前表情数据库中获取训练样本，采用训练样本对3D卷积神经网络进行训练，并保存训练得到的网络模型，从历史表情数据库中获取测试样本，采用测试样本对训练得到的网络模型进行测试，并保存测试后的网络模型，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行训练，所述的历史表情数据库中存储有与当前表情数据库属于同一人物的历史表情数据，调取的测试样本包括与训练样本中标记为同一人物的历史表情数据。
2.根据权利要求1所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：输入待测图像，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行一次分类。
3.根据权利要求2所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：调取待测图像中人物的历史图像集，从历史图像集中调取与本次待测图像相似度最高的待测历史图像。
4.根据权利要求3所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：输入待测历史图像，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行二次分类，根据一次分类和二次分类确定最终待测图像的表情分类。
5.根据权利要求4所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：还包括对与历史待测图像相对应的历史周围环境图像进行处理，并识别历史周围环境图像中是否存在其他人，若存在，则进一步识别历史周围环境图像中其他人的表情类型，根据其他人的表情类型来验证所述历史待测图像中的人物表情的二次分类，根据验证后的历史待测图像的二次分类和一次分类最终确定所述待测图像中的表情分类。
6.根据权利要求1或5所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：所述的特征向量包括图像中的形状特征向量和纹理特征向量。
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重庆第二师范学院，未经重庆第二师范学院许可，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/202210632822.6/1.html，转载请声明来源钻瓜专利网。
