[发明专利]一种动态演化表情的识别方法与系统

权利要求书

1.一种动态演化表情的识别方法，其特征在于，所述自适应识别方法包括：

步骤1、根据表情类别的动态增加，构建并优化过往表情记忆模块；

步骤2、根据新类别的表情数据，利用过往表情记忆模块最小化“紧凑分类-蒸馏”损失函数，动态升级表情识别系统；

步骤3、根据输入需要识别的表情图片和当前状态下的表情识别系统，输出图片的表情种类标签。

2.如权利要求1所述的动态演化表情的识别方法，其特征在于，所述步骤1中，具体包括：

步骤11、根据计算设备的内存限制以及数据获取权限完整程度，设置过往表情记忆模块的存储代表性表情图片的总规模K；

步骤12、在系统初始化阶段后，根据初始化中的s₀类表情数据，为过往表情记忆模块设置可以存储K张图片的内存；

步骤13、对于s₀类表情数据中的每一类表情中的每一张图片，通过神经网络的特征提取模块提取特征向量；

步骤14、将每一类表情的图片的特征向量求算术平均值特征向量c；

步骤15、根据算术平均值向量依次生成K/s₀张图片，并构成一个有序序列；对于第k张图片，从k＝1到K/s₀，可依照计算公式如下：

其中x为表情图片，f()为网络模型的特征提取模块，p_j为有序图片序列中已生成的图片，c是第k张图片对应表情类型的算术平均值特征向量；

步骤16、根据每一类表情的图片数据生成的有序图片序列，共同构建初始化的过往表情记忆模块；

步骤17、在新的s_k-s_k-1类表情数据出现时，对于过往表情的代表性数据模块进行优化更新；遍历现有的s_k个表情类别，判断当前执行的表情类别是否为新的s_k-s_k-1类，若是新的s_k-s_k-1类，对于新的s_k-s_k-1类表情执行步骤13-步骤15，并最终生成K/s_k张图片的有序序列；若不是新的s_k-s_k-1类，则执行步骤18；

步骤18、对于非新类别的表情数据，每类表情在记忆模块现有一个K/s_k-1张图片的有序序列，删除序列尾端的(K/s_k-1)-(K/s_k)张图片；

步骤19、在记忆模块存储新类别表情的有序图片序列。