买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南师范大学

摘要：本发明涉及一种面部微表情识别方法、装置、电子设备及存储介质。本发明的一种面部微表情识别方法包括：获取待识别微表情的视频；对所述视频进行预处理，得到经过动作放大和分辨率归一化的长视频序列；对所述长视频序列进行跨步采样，得到预设长度的子视频序列；将所述子视频序列输入训练好的微表情识别网络，得到所述视频对应的面部微表情的分类结果。本发明的一种面部微表情识别方法，设计了跨步采样方法来实现样本扩展，有效避免了深度学习在训练过程中产生的过拟合问题，有效提升了微表情识别的准确性。

主权项：1.一种面部微表情识别方法，其特征在于，包括以下步骤：获取待识别微表情的视频；对所述视频进行预处理，得到经过动作放大和分辨率归一化的长视频序列；对所述长视频序列进行跨步采样，得到预设长度的子视频序列；将所述子视频序列输入训练好的微表情识别网络，所述微表情识别网络包括局部空间差分特征堆叠块和时空特征提取网络，得到所述视频对应的面部微表情的分类结果，包括：将所述子视频序列输入所述局部空间差分特征堆叠块，得到局部空间增强后的空间特征；将所述局部空间增强后的空间特征序列输入所述时空特征提取网络，得到所述视频的面部微表情的分类结果；所述局部空间差分特征堆叠块包括顺次连接的堆叠块、平均池化层、第一卷积层、第一残差块、上采样层，所述上采样层的输出结果与第二卷积层的输出结果进行加权后输入第二残差块；将所述子视频序列输入所述局部空间差分特征堆叠块，得到局部空间增强后的空间特征，包括：将所述子视频序列中的每一帧输入所述第二卷积层，提取得到所述子视频序列对应的原始空间特征图序列；将所述子视频序列中的每一帧输入所述堆叠块，得到所述子视频序列的差分特征；将所述差分特征输入所述平均池化层，得到降维的差分特征；将所述降维的差分特征顺次输入所述第一卷积层和所述第一残差块，得到差分的空间特征参数；将所述差分的空间特征参数输入所述上采样层，得到与所述原始空间特征相同维度的差分空间特征；将所述原始空间特征与所述差分空间特征进行求和加权；将加权后的空间特征输入所述第二残差块，得到局部空间增强后的空间特征；所述时空特征提取网络包括顺次连接的VGGFace网络、时序卷积网络和分类层，所述分类层使用中心损失函数和正则化方法计算所述视频的面部微表情的分类结果；将所述局部空间增强后的空间特征序列输入所述时空特征提取网络，得到所述视频的面部微表情的分类结果，包括：将所述局部空间增强后的空间特征序列输入所述VGGFace网络，代表空间信息的输出特征向量X＝[x1,x2,...xs]，其维度大小为s,512：将所述特征向量X＝[x1,x2,...xs]输入所述时序卷积网络，进行时序特征提取，得到包含空间时序信息的特征向量；将所述包含空间时序信息的特征向量输入所述分类层，经过中心损失函数计算，得到所述视频的面部微表情的分类结果。

全文数据：

权利要求：

百度查询： 华南师范大学 一种面部微表情识别方法、装置、电子设备及存储介质