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！

龙图腾网恭喜复旦大学申请的专利一种弱光环境下的人脸表情捕捉方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114519883B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210142311.6，技术领域涉及：G06V40/16；该发明授权一种弱光环境下的人脸表情捕捉方法及装置是由张峰;赵瑞玮;冯瑞设计研发完成，并于2022-02-16向国家知识产权局提交的专利申请。

本一种弱光环境下的人脸表情捕捉方法及装置在说明书摘要公布了：本发明提供一种弱光环境下的人脸表情捕捉方法及装置，能够在复杂环境的视频流中对不同的尺度的座位实现精确框定，并基于此框定结果检测提取脸部特征用于识别表情。其特征在于，包括以下步骤：步骤S1，获取待测影院内的俯视角度的视频流；步骤S2，基于影院座椅定位模型对视频流进行检测，得到待测影院内所有座椅最新位置的标注框；步骤S3，使用表情识别分类模型对所有标注框进行人脸定位和表情识别，从而得到待测影院内的观众的人脸表情类别。其中，影院座椅定位模型以ResNet50和FPN结合的网络作为Backbone，并加入CBAM模块以构建影院座椅定位初始网络并对该初始网络进行训练得到，表情识别分类模型基于构建并训练改进VGGNet和改进FocalLoss结合的人脸表情识别算法得到。

本发明授权一种弱光环境下的人脸表情捕捉方法及装置在权利要求书中公布了：1.一种弱光环境下的人脸表情捕捉方法，用于对影院内的观众进行人脸定位并识别人脸表情，其特征在于，包括以下步骤：步骤S1，获取待测影院内的俯视角度的视频流；步骤S2，基于影院座椅定位模型对所述视频流中每隔设定帧进行检测，得到所述待测影院内所有座椅最新位置的标注框，其中，所述影院座椅定位模型通过以下训练步骤得到：步骤S2-1，采集影院内俯视角的视频流，并从视频流中截取若干帧图像，步骤S2-2，对所有所述帧图像打上座椅或无座椅标签，利用打好标签的帧图像构建第一数据集，并将所述第一数据集分为第一训练集、第一验证集与第一测试集，步骤S2-3，利用所述第一训练集训练所述影院座椅定位初始网络以进行优化迭代，步骤S2-4，在每次迭代后，根据所述初始网络最后一层的模型参数计算损失误差，步骤S2-5，利用所述损失误差反向传播，采用随机梯度下降法和最小化损失函数进行模型参数的优化，步骤S2-6，重复所述步骤S2-3至所述步骤S2-5直至达到预定条件，从而得到所述影院座椅定位模型；步骤S3，使用表情识别分类模型对所有所述标注框进行人脸定位和表情识别，从而得到所述待测影院内的观众的人脸表情类别，其中，所述影院座椅定位模型以ResNet50和FPN结合的网络作为Backbone，并加入CBAM模块以构建影院座椅定位初始网络并对该初始网络进行训练得到，所述表情识别分类模型基于构建并训练改进VGGNet和改进FocalLoss结合的人脸表情识别算法得到，所述ResNet50包括4个残差模块，每个所述残差模块至少由卷积运算Conv、线性整流函数ReLU和批归一化BN依次组成，负责特征提取，所述CBAM模块包括SAM子模块和CAM子模块，所述CAM子模块由MaxPool池化层、AvgPool池化层、共享权重的MLP、加和操作以及sigmoid激活函数组成，所述SAM子模块由两个基于channel的全局的最大池化和全局的平均池化、一个7x7的卷积以及sigmoid激活函数组成，所述SAM子模块将所述CAM子模块的输出作为输入，输出一个空间的attention矩阵，并将该attention矩阵和原始特征做乘法得到最终生成的特征，所述改进VGGNet通过对VGGNet在迁移学习的基础上增加输出模块的改进方式得到，所述输出模块至少由深度可分离卷积和全局平均池化组成，所述改进FocalLoss通过对FocalLoss设置概率阈值的改进方式得到。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。