[发明专利]一种基于面部微表情动态识别的抑郁倾向检测方法

权利要求书

1.一种基于面部微表情动态识别的抑郁倾向检测方法，其特征在于，包括：

S1，采集人脸的面部微表情视频，并提取每个面部微表情视频的动态图像；所述每个面部微表情视频的动态图像包括：将面部微表情视频输入到动态图像模型，获取动态图像，具体为：

面部微表情视频的视频帧为v，面部微表情视频序列为V＝[v₁,v₂,…,v_n]；对面部微表情视频序列进行平滑处理，获取时变平均矢量；通过计算时变平均矢量和视频帧的内积得到与时间有关的帧得分；通过排序函数将视频帧转换为单一的包含所有帧信息的向量帧u，向量帧u即为动态图像；

S2，将动态图像输入到已经训练好的微表情识别模型中，微表情识别模型输出动态图像所属的类别；

所述微表情识别模型的训练包括：

采集训练的面部微表情视频样本，获取对应的情绪类别；根据面部微表情视频样本获取每个面部微表情视频的动态图像；构建微表情识别模型，将动态图像输入微表情识别模型进行训练，包括以下步骤：

S41，将通过动态图像模型获取的微表情动态图像依次输入到微表情识别模型：

S42，卷积操作提取特征，即通过卷积运算从输入的微表情动态图像中提取特征，再将特征反馈给下一层，采用线性整流单元作为激活函数；

S43，积聚操作结合前几层的相关相应特性，增强模型的学习能力；

S44，将每一个横向的通路输出进行串联，保留微表情动态图像的所有相应特征，再将特征传递到下一层；

S45，局部响应归一化，减去批均值除以标准差对前一接触层的结果进行归一化；

S46，将全连接层与前面的卷积操作的激活全连接；

S47，采用最后全连接层的输出，根据输出计算误差，通过目标函数来进行反向传播，通过链式法则依次对函数求导，更新权值和偏置；

S48，循环执行步骤S41至S47进行迭代训练，直到训练结果最优；

S3，根据动态图像所属的类别判断是否含有消极情绪；若有，则所属表情类别为消极的，记为有抑郁倾向。

2.根据权利要求1所述的基于面部微表情动态识别的抑郁倾向检测方法，其特征在于，将动态图像输入微表情识别模型进行训练之后还包括：表情识别模型输出情绪类别，将输出的情绪类别和获取的对应的情绪类别进行对比，判定表情识别模型的准确性。

3.根据权利要求1所述的基于面部微表情动态识别的抑郁倾向检测方法，其特征在于，在步骤S1中面部微表情包括：压抑、生气、轻视、厌恶、恐惧、悲伤、高兴、惊讶和其他，其中压抑、生气、轻视、厌恶、恐惧、悲伤为消极情绪。

4.根据权利要求1所述的基于面部微表情动态识别的抑郁倾向检测方法，其特征在于，在步骤S42中卷积操作选择更适合微表情任务的小尺寸的卷积核，选择较大的步长的卷积代替池化操作，增加特征之间的依赖性。

5.根据权利要求1所述的基于面部微表情动态识别的抑郁倾向检测方法，其特征在于，在步骤S46中全连接层每次迭代通过去掉一半的特征检测器，缓解过拟合的问题。