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！

龙图腾网恭喜数据空间研究院申请的专利结合人脸关键点特征融合的表情识别模型、方法和系统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：CN116597494B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202310636697.0，技术领域涉及：G06V40/16；该发明授权结合人脸关键点特征融合的表情识别模型、方法和系统是由孙仁浩;范联伟;高景银;何军;洪日昌;王佐成设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本结合人脸关键点特征融合的表情识别模型、方法和系统在说明书摘要公布了：本发明涉及人脸图像的表情识别技术领域，尤其是一种结合人脸关键点特征融合的表情识别模型、方法和系统。本发明提出的一种结合人脸关键点特征融合的表情识别模型的训练方法，人脸特征提取模块为参数固定的预训练模型；表情特征提取模块、特征融合模块和表情分类模块构成基础模型的待训练部分。模型训练过程中，只对待训练部分进行训练。本发明在基于深度学习的方法中借助预训练的人脸特征提取模块对人脸图像提取人脸特征，以提高对人脸细节的注意，能够减少模型对图像尺度的敏感性，并有助于促进类间样本之间的区别性和类内样本之间差异的不变性。

本发明授权结合人脸关键点特征融合的表情识别模型、方法和系统在权利要求书中公布了：1.一种结合人脸关键点特征融合的表情识别模型的训练方法，其特征在于，包括以下步骤：S1、构建基础模型和图像样本数据集；图像样本数据集中的图像样本为标注有表情类别的人脸图像；基础模型包括人脸特征提取模块、表情特征提取模块、特征融合模块和表情分类模块；人脸特征提取模块为参数固定的预训练模型，其基于人脸图像提取人脸特征X并输出；表情特征提取模块、特征融合模块和表情分类模块构成基础模型的待训练部分；表情特征提取模块基于人脸图像提取表情特征Y并输出；特征融合模块的输入分别连接人脸特征提取模块的输出和表情特征提取模块的输出，特征融合模块基于人脸特征X和表情特征Y进行特征融合，特征融合模块输出融合特征；表情分类模块的输入连接特征融合模块的输出，表情分类模块基于融合特征识别表情类别并输出；S2、令基础模型对图像样本数据集中的图像样本进行机器学习，并结合设定的损失函数对待训练部分的模型参数进行反向更新，直至基础模型收敛时，将收敛后的基础模型作为表情识别模型；特征融合模块包括局部注意力模块、全局注意力模块和激活函数；特征融合模块通过以下步骤S11-S14获取融合特征fN,X,Y；N为设定的融合次数阈值；X∈RC×H×W，Y∈RC×H×W，RC×H×W表示C维的长度为H宽度为W的图像特征数据；S11、特征融合模块进行第n次融合时，将fn-1,X,Y输入特征融合模块；n的初始值为1，f0,X,Y为X和Y沿通道维度元素相加后的图像特征数据；S12、局部注意力模块提取fn-1,X,Y的局部注意力特征fln-1,X,Y，全局注意力模块提取fn-1,X,Y的全局注意力特征gln-1,X,Y；fln-1,X,Y∈RC×H×W，gln-1,X,Y∈RC×H×W；S13、将局部注意力特征fln-1,X,Y和全局注意力特征gln-1,X,Y沿通道维度元素相加后通过激活函数激活，激活后特征数据代入设定计算公式获得人脸特征X和表情特征Y第n次融合后特征fn,X,Y；设定计算公式为：fn,X,Y＝X×Mfn-1,X,Y+Y×[{1}C×H×W-Mfn-1,X,Y]其中，{1}C×H×W表示C维长度为H宽度为W的单位矩阵；n为融合次数，1≤n≤N；f0,X,Y为X和Y沿通道维度元素相加后的图像特征数据；Mfn-1,X,Y表示激活后特征数据，Mfn-1,X,Y∈RC×H×W；S14、判断n是否等于设定值N；否，则令n更新为n+1，然后返回步骤S11；是，则特征融合模块将fn,X,Y作为融合特征fN,X,Y输出。

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数据空间研究院，其通讯地址为：231200 安徽省合肥市高新区柏堰科技园创新大道288号工投高新智谷B区；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”。