专利交易市场

本发明图像识别技术领域，公开了一种双通道微表情识别方法、系统、存储介质、计算机设备，包括：对数据集进行标注、预处理；提取放大后的基于几何信息的人脸关键点区域，得到特征矩阵；使用depthwise卷积对得到的特征矩阵进行卷积，进行初步特征提取；利用transformer的encoder进行基于自注意力的特征学习；利用图卷积网络进行动作单元信息特征的学习；将基于自注意力的特征学习结果以及图卷积网络动作单元信息特征的学习结果进行融合，并利用softmax进行分类，即可得微表情识别结果。本发明解决了几何特征提取过程中的空间信息损失的问题，提高了微表情识别的准确率。

本申请涉及一种基于微表情的视频推送方法、装置、计算机设备和存储介质。所述方法包括：接收终端发送的人脸图像及当前播放视频标识，人脸图像是与当前播放视频标识对应的当前播放视频播放过程中所采集到的、且与当前播放视频中插入的第一问题相对应；基于微表情识别模型对人脸图像进行处理得到微表情指标，微表情指标是作为用户是否掌握当前播放视频中的知识点的参考指标；当微表情指标大于第一预设值，则获取与当前播放视频标识对应的视频类别；获取与视频类别对应的初始视频，并从当前播放视频标识对应的当前播放视频中提取与人脸图像对应的第一问题；根据第一问题从初始视频中选取目标视频，并将目标视频推送至终端。采用本方法能够简化操作。

本申请涉及一种基于ACNN和Bi‑LSTM的微表情识别方法、系统。所述方法包括：获取待检测人员的连续时间的多帧表情图像；将所述多帧表情图像输入微表情识别模型，得到所述待检测人员的表情所属类别；其中，所述微表情识别模型包括初始特征向量提取网络、与初始特征向量提取网络连接的局部识别块注意力卷积神经网络、与初始特征向量提取网络连接的全局注意力卷积神经网络和与局部识别块注意力卷积神经网络、全局注意力卷积神经网络连接的双向长短期记忆网络。采用本方法能够提高微表情识别的准确率。

本发明涉及一种基于运动矢量化和宏观表情引导机制的微表情识别方法，属于计算机技术领域。方法为：1、获取宏观表情和微表情样本的起始帧与顶点帧；2、对1中获取的起始帧与顶点帧图像进行运动矢量化处理；3、对微表情样本对应的运动矢量化特征进行非线性放大处理；4、采用面部运动匹配机制对宏观和微观表情样本进行配对；5、通过引导网络实现宏观表情对微表情特征提取的引导及强化；6、根据引导网络的输出情感标签对微表情的类别进行识别。本发明能够根据面部的运动变化实现对微表情情感的识别，运用了宏观表情与微表情产生时面部运动状态的共同特点实现宏表情在微表情特征提取过程中的引导和强化。在微表情情感分析领域具有显著优势。