[发明专利]一种基于BN-inception双流网络的情绪识别方法

权利要求书

1.一种基于BN-inception+SPP双流网络的个体情绪识别方法，其特征在于：

a.将个体姿态数据集划分为四个情绪类别：无聊bored,激动excited,生气frantic,放松relaxed，给定每个序列的情绪类别；

b.在BN-inception双流网络的全连接层之前加入空间金字塔池化Space PyramidPooling，对数据集分别进行时空网络的训练；

c.该基于BN-inception+SPP的双流网络训练参数为基础学习率base_lr：0.00000001；学习率变化指数gamma：0.01；权重衰减weight_decay：0.005；最大迭代次数max_iter：150000；

该方法主要包括以下步骤：

(1)采用光流算法处理数据集生成对应的光流图像序列，表示个体姿态的运动特征；

(2)将数据集划分为训练集、验证集和测试集三部分，并给定每个序列的情绪类别；

(3)引入基于BN-inception的双流卷积神经网络模型，并在其全连接层之前加入SPP层优化BN-inception网络，利用训练集和验证集进行时空网络的训练，利用测试集进行验证；

(4)将基于BN-inception+SPP的空间流和时间流两通道网络进行平均融合，得到测试集上的准确度ACC和宏平均精确度MAP。

2.如权利要求1所述的基于BN-inception+SPP双流网络的个体情绪识别方法,其特征在于在步骤(3)中利用双流网络分别对数据集的时空特征进行学习。

3.如权利要求1所述的基于BN-inception+SPP双流网络的个体情绪识别方法,其特征在于在步骤(3)中首先在BN-inception双流网络的全连接层之前加入SPP层，使得训练集以原始尺寸输入网络，避免固定输入尺寸带来的运动信息丢失，接着再对数据集分别进行时空网络的训练。