[发明专利]一种基于深度3D卷积神经网络进行面部表情识别的方法

权利要求书

1.一种基于深度3D卷积神经网络进行面部表情识别的方法，其特征在于，主要包括3D起始残差网络(一)；面部标记(二)；长短期记忆网络单元(三)。

2.基于权利要求书1中所述的深度3D卷积神经网络，其特征在于，由一个3D起始残差网络层(3DIR)和长短期记忆网络组成(LSTM)组成，LSTM紧跟在3D起始残差网络层后面，提取面部图像内的空间关系以及视频中不同帧之间的时间关系，面部标记有助于网络关注特征图中更重要的面部成分，故提取面部标记作为网络的输入，提高序列对面部表情微妙变化的识别能力，从而进行更准确的识别。

3.基于权利要求书2所述的长短期记忆网络(LSTM)，其特征在于，LSTM提供记忆功能，负责长时间记录上下文信息，包含输入结构(i)，遗忘结构(f)和输出结构(o)，三个结构在时间步长t上分别负责储存单元c的改写，维持和检索，令σ(x)＝(1+exp(-x))^-1为Sigmoid函数，为双曲正切函数，x,h,c,W和b分别为输入，输出，单元状态，参数矩阵和参数向量，

ft=σ(Wf·[ht-1,xt]+bf)it=σ(Wi·[ht-1,xt]+bi)ot=σ(Wo·[ht-1,xt]+bo)gt=φ(WC·[ht-1,xt]+bC)Ct=ft*Ct-1+it*gtht=ot*φ(Ct)---(1)]]>

给定输入x_t,h_t-1和c_t-1在时间步t上时，LSTM的更新由等式(1)给出。