[发明专利]一种基于SSF-IL-CNN的三维人脸表情识别方法有效
| 申请号： | 201910383975.X | 申请日： | 2019-05-09 |
| 公开（公告）号： | CN110188621B | 公开（公告）日： | 2023-06-02 |
| 发明（设计）人： | 达飞鹏;余璟 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V20/64;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 刘莎 |
| 地址： | 211102 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于SSF‑IL‑CNN的三维人脸表情识别方法，该方法首先对卷积神经网络结构进行改进，将卷积核拆解成结构参数与强度参数，并让两种参数分别承担初始化和更新的任务，使得原本需要借助大量样本进行训练的卷积神经网络，能够应用于样本规模较小的三维人脸表情库。同时，本方法提出采用Island Loss函数构建卷积神经网络中的损失函数，加强网络对人脸表情的敏感性与区分度，提升表情识别的效果。 | ||
| 搜索关键词： | 一种 基于 ssf il cnn 三维 表情 识别 方法 | ||
【主权项】：
1.一种基于SSF‑IL‑CNN的三维人脸表情识别方法，其特征在于，所述SSF‑IL‑CNN包括卷积层、池化层、激活函数、全链接层和损失函数，该识别方法包括以下步骤：步骤1，生成三维人脸对应的深度图像和纹理图像；步骤2，分别对步骤1中的深度图像和纹理图像进行归一化处理；步骤3，基于归一化后的深度图像和纹理图像，进行字典学习，得到字典矩阵和稀疏表示；步骤4，采用字典矩阵初始化卷积核的结构参数；步骤5，搭建SSF‑IL‑CNN的损失函数；步骤6，更新卷积核强度参数，完成SSF‑IL‑CNN模型的训练；步骤7，根据步骤6中训练完成的SSF‑IL‑CNN模型，进行三维人脸表情识别。
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东南大学，未经东南大学许可，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/patent/201910383975.X/，转载请声明来源钻瓜专利网。
