本申请提供一种表情识别方法、装置、电子设备及计算机可读取存储介质，涉及表情识别技术领域。该方法包括：提取目标视频序列中每一帧图像中的多个面部运动强度数据；对多个面部运动强度数据进行编码，得到每一帧图像对应的强度特征向量；将多个强度特征向量确定的强度特征矩阵输入分类器中进行分类，得到伪装表情识别结果。本申请能够对伪装表情数据集中多帧图像中表示人脸的面部表情肌肉运动的面部运动强度数据进行获取，并进行编码以提取特征向量，根据多个特征向量得到目标视频序列的强度特征矩阵，以通过分类器对强度特征矩阵进行分类，对目标视频序列中出现的伪装表情进行识别，得到识别结果，有效地提高了对伪装表情进行识别的准确率。
📄 2022102599163
📂 G06V40_16
👤 西南大学
📅 2022-03-16
本发明请求保护一种基于多通道并行卷积神经网络的实时表情识别方法，包括以下步骤：从面部表情数据集中提取包含RGB与Depth图像的表情数据；对彩色图像进行局部二值化及提取面部关键点预处理，对深度图像进行梯度化预处理，将预处理后的图像分为训练集与测试集两部分并构建多通道并行卷积神经网络；将训练集中预处理后的图像送入网络中训练，获得学习了面部表情轮廓、立体分布及关键点特征的深度通道、lbp通道及关键点通道识别模型；将三种识别模型的分类结果采用最大置信融合，得到最终表情识别模型并构建实时表情识别系统。本发明增强了识别网络的鲁棒性，有效提升了实时表情识别系统的性能。
📄 2017105379215
📂 G06K9_00
👤 中软国际科技服务有限公司
📅 2017-07-04
本发明涉及一种基于脑‑机协同智能的表情识别方法。本发明主要采用两层卷积神经网络提取人脸表情的图像视觉特征，以及多个门控循环单元提取观看表情时诱发的脑电情感特征，并通过随机森林回归模型建立两种特征之间的映射关系，最后采用K‑近邻分类器对回归模型得到的预测脑电情感特征进行表情的分类。本发明包括数据采集、数据预处理、图像视觉特征提取、脑电情感特征提取、特征映射和表情分类。表情分类结果表明：采用预测的脑电情感特征得到了较好的分类结果。与传统的图像视觉方法相比，基于脑‑机协同智能的表情识别，是一种很有前景的情感计算方法。
📄 2019102616379
📂 G06K9_00
👤 杭州电子科技大学
📅 2019-04-02
本发明公开了一种自适应加权融合显著性结构张量和LBP特征的表情识别方法，通过将结构张量特征和LBP特征进行融合使得图像特征既包含纹理细节信息又包含纹理结构信息，从而拥有更强的描述能力。结果表明该方法提高了表情识别的准确率。
📄 2018107725166
📂 G06K9_00
👤 广东工业大学
📅 2018-07-13
本发明公开了一种联合双字典和误差矩阵的遮挡表情识别方法，包括以下步骤：首先，利用低秩分解将每类表情图像中的表情特征和身份特征分离开，分别对低秩矩阵和稀疏矩阵进行字典学习，得到类内相关字典以及差异结构字典；其次，针对遮挡图像分类时，原稀疏编码没有考虑编码误差，无法准确地描述遮挡带来的编码误差，提出将遮挡引起的误差由单个矩阵表示，该矩阵可以从未遮挡训练图像的特征矩阵中分离出来；通过从测试样本中减去误差矩阵可以恢复出清晰的图像；利用双字典协同表示将清晰的图像样本低秩分解为身份特征和表情特征，最终根据各类别表情特征在联合稀疏表示中的贡献量来实现分类。本发明对随机遮挡表情识别具有鲁棒性。
📄 2018115063745
📂 G06V40_16
👤 广东工业大学
📅 2018-12-10
本发明提供了一种基于表情识别的智能车载提示系统及方法，系统包括：单目摄像头、车机服务器和仪表显示盘；单目摄像头，用于采集当前时刻的驾驶员图片，并将驾驶员图片传输至车机服务器；车机服务器，用于提取驾驶员图片中包含驾驶员当前面部表情的面部表情图片，对面部表情图片进行特征提取以得到面部特征图，及通过面部表情识别模型判断面部特征图所包含的当前面部表情是否属于危险类表情，并在当前面部表情属于危险类表情时，通过仪表显示盘对驾驶员进行提示。由此，无需人为设计特征即可基于表情识别对驾驶员进行提示，不仅可以在节约人力成本情况下保证行车安全，而且有利于提高识别精度、提升识别效率。
📄 2021115028207
📂 G06V40_16
👤 江苏理工学院
📅 2021-12-10
本发明涉及深度学习和图像处理技术领域，公开了一种融合不确定性估计与主动学习的表情识别方法。所述融合不确定性估计与主动学习的表情识别方法包括步骤：1、对比自监督预训练；2、融合不确定性估计的动态重标注模块DRM(Dynamic Re‑labeling Module)；3、基于预训练模型的模型微调。本发明提供的融合不确定性估计与主动学习的表情识别方法，首先利用对比学习基于整体未标记数据集的底层特征表示，并通过改进的不确定性估计方法，进一步增强模型的特征提取能力；随后，主动学习基于预训练模型进行模型微调，以更高效地选择和标记最具信息量的样本，其结果相较于现有技术，在识别准确率上实现了显著提升。
📄 2024112356947
📂 G06V40_16
👤 重庆理工大学
📅 2024-09-04
本发明公开了一种基于双分支网络的面部表情识别模型的构建方法，包括：S1，样本集预处理并数值化；S2，样本集划分为训练集和测试集；S3，构建双分支网络；S4，定义目标函数；S5，利用训练集训练所述双分支网络得到面部表情识别模型；S6，利用测试集验证所述面部表情识别模型的准确率。本发明通过构建双分支网络分别对脸部区域图像和眉眼区域图像进行特征提取和分类，以解某些特定因素的影响导致脸部的表情差异较大而降低识别率，以及单一卷积神经网络不能充分利用表情变换蕴含的时间序列信息造成资源浪费的问题。
📄 2020105184492
📂 G06V40_16
👤 电子科技大学
📅 2020-06-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台