[发明专利]一种基于混合域一致性约束的面部表情识别方法及系统在审

专利信息
申请号: 202310443111.9 申请日: 2023-04-23
公开(公告)号: CN116434311A 公开(公告)日: 2023-07-14
发明(设计)人: 朱晓亮;孙君懿;赵亮;戴志诚;杨宗凯 申请(专利权)人: 华中师范大学
主分类号: G06V40/16 分类号: G06V40/16;G06V10/764;G06V10/82;G06N3/0464;G06N3/09
代理公司: 武汉华之喻知识产权代理有限公司 42267 代理人: 石梦雅;方放
地址: 430079 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 混合 一致性 约束 面部 表情 识别 方法 系统
【说明书】:

发明提供了一种基于混合域一致性约束的面部表情识别方法及系统,方法包括:将待识别的人脸图像输入至面部表情识别模型,获得所述人脸图像的表情识别结果;所述面部表情识别模型是以空间域一致性约束和/或通道域一致性约束为约束,基于样本人脸图像及其对应的面部表情标签训练获得的;所述空间域一致性约束为样本人脸图像的热力图与翻转人脸图像的热力图之间的一致性约束;通道域一致性约束为样本人脸图像与翻转人脸图像在不同通道上的概率分布的一致性约束;所述翻转人脸图像为水平翻转后的样本人脸图像。本发明提升了模型的分类性能,可以处理各种复杂的面部表情图像,解决了传统面部表情识别的准确率低的问题。

技术领域

本发明属于面部表情识别技术领域,更具体地,涉及一种基于混合域一致性约束的面部表情识别方法及系统。

背景技术

面部表情识别是一种能够通过图像处理和机器学习技术对人脸图像进行分析,识别人脸表情的技术。随着智能设备的广泛应用,人脸表情识别技术正在逐渐成为一项重要的应用技术。例如,在安防领域,通过对人脸表情的识别,可以快速判断是否存在威胁行为,增强安全监管的效果;在医疗领域,面部表情识别技术可以辅助于判断精神疾病、疼痛等;在教育领域,面部表情识别技术可以用于评估学生的情感状态和学习状况,为教学提供数据支持等。

传统的面部表情识别方法主要采用图像处理技术,对人脸图像进行特征提取和分类。这种方法的缺点是需要大量手动提取特征,且对于光照不均匀、面部遮挡等因素的影响较为敏感,对于复杂的表情分析效果也不理想。

发明内容

针对现有技术的缺陷,本发明的目的在于提供一种基于混合域一致性约束的面部表情识别方法及系统,旨在解决现有面部表情识别方法的准确率低、鲁棒性差的问题。

为实现上述目的,第一方面,本发明提供了一种基于混合域一致性约束的面部表情识别方法,包括:

S101将待识别的人脸图像输入至面部表情识别模型,获得所述人脸图像的表情识别结果;

其中,所述面部表情识别模型是以空间域一致性约束和/或通道域一致性约束为约束,基于样本人脸图像及其对应的面部表情标签训练获得的;所述空间域一致性约束为样本人脸图像的热力图与翻转人脸图像的热力图之间的一致性约束;通道域一致性约束为样本人脸图像与翻转人脸图像在不同通道上的概率分布的一致性约束;所述翻转人脸图像为水平翻转后的样本人脸图像。

在一个可选的示例中,所述空间域一致性约束基于如下步骤确定:

将样本人脸图像的多通道特征图经过第一全局平均池化层和第一全连接层,获得样本人脸图像在不同通道上的权重,并与样本人脸图像的多通道特征图进行逐通道相乘,获得样本人脸图像的热力图;

将翻转人脸图像的多通道特征图经过第二全局平均池化层和第二全连接层,获得翻转人脸图像在不同通道上的权重,并与翻转人脸图像的多通道特征图进行逐通道相乘,获得翻转人脸图像的热力图;

基于样本人脸图像的热力图与翻转人脸图像的热力图之间的均方差,确定所述空间域一致性约束。

在一个可选的示例中,所述通道域一致性约束基于如下步骤确定:

将样本人脸图像的多通道特征图经过第三全局平均池化层和第一softmax层,获得样本人脸图像在不同通道上的概率分布;

将翻转人脸图像的多通道特征图经过第四全局平均池化层和第二softmax层,获得翻转人脸图像在不同通道上的概率分布;

基于样本人脸图像与翻转人脸图像在不同通道上的概率分布之间的JS散度,确定所述通道域一致性约束。

第二方面,本发明提供一种基于混合域一致性约束的面部表情识别系统,包括:

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华中师范大学,未经华中师范大学许可,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/pat/books/202310443111.9/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top