[发明专利]基于深度学习的动态人脸情绪识别方法有效
| 申请号： | 201910242066.4 | 申请日： | 2019-03-28 |
| 公开（公告）号： | CN110084122B | 公开（公告）日： | 2022-10-04 |
| 发明（设计）人： | 吴家皋;张华杰;陈欣宇;周峻全 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V10/774;G06V10/764;G06N3/04;G06N3/08 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种基于深度学习的动态人脸情绪识别方法，包括如下步骤：S1、获取人脸图像序列；S2、使用VGG卷积神经网络提取所述人脸图像序列中的每一张图像的图像特征；S3、使用LSTM循环神经网络，结合S2中提取的所述图像特征，识别人脸情绪；S4、使用损失函数对网络进行反复训练，优化网络参数，构建完整的动态人脸情绪识别模型；本发明着眼于动态人脸情绪的分析，通过采集人脸图像序列进行分析的方式，有效地兼顾到了人类情绪阶段化的特点。同时，本发明通过将VGG卷积神经网络和LSTM循环神经网络相结合的方式完成了对人脸图像序列的处理，显著地提升了情绪识别的准确率。 | ||
| 搜索关键词： | 基于 深度 学习 动态 情绪 识别 方法 | ||
【主权项】：
1.一种基于深度学习的动态人脸情绪识别方法，其特征在于，包括如下步骤：S1、获取人脸图像序列；S2、使用VGG卷积神经网络提取所述人脸图像序列中的每一张图像的图像特征；S3、使用LSTM循环神经网络，结合S2中提取的所述图像特征，识别人脸情绪；S4、使用损失函数对网络进行反复训练，优化网络参数，构建完整的动态人脸情绪识别模型；S5、利用所述动态人脸情绪识别模型，实现对人脸情绪的识别。
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南京邮电大学，未经南京邮电大学许可，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/patent/201910242066.4/，转载请声明来源钻瓜专利网。
