CN115331289B 基于视频运动放大和光流特征的微表情识别方法 （西安理工大学）_第1页
CN115331289B 基于视频运动放大和光流特征的微表情识别方法 （西安理工大学）_第2页
CN115331289B 基于视频运动放大和光流特征的微表情识别方法 （西安理工大学）_第3页
CN115331289B 基于视频运动放大和光流特征的微表情识别方法 （西安理工大学）_第4页
CN115331289B 基于视频运动放大和光流特征的微表情识别方法 （西安理工大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

US2019311188A1,2019.基于视频运动放大和光流特征的微表情识本发明公开了基于视频运动放大和光流特的光流特征并将可视化得到光流图作为网络模所有可视化RGB光流图序列叠加成四通道图像，输入到设计的VGG16网络提取微表情的空域特征技术中存在的微表情识别方法中面部运动强度2式(1)中g(·)由3x3卷积后面跟ReLU激活函数表示，h(·)是3x3卷积后面跟3x3残最后，解码器将变化了的形状信息与未改变的纹理信息重构，生减少步骤2.2得到的所有图像帧序列中冗余信息对光流特征并将可视化得到光流图作为网络模型输入的步骤4，将步骤2得到的所有单通道灰度图序列和步骤3得到列叠加成四通道图像，输入到设计的VGG16网络提取微表情的空域特征并分类得到最终的2.根据权利要求1所述的基于视频运动放大和光流特征的微表情识别方法，其特征在然后，给定特征提取得到的图像特征B,C)和，通过对所有特征向量对(3最后，利用基于门控循环单元的循环更新结构来迭代更新光流以3.根据权利要求2所述的基于视频运动放大和光流特征的微表情识别方法，其特征在计的VGG16网络模型中提取其空间特征并利用softma4微表情识别也逐步变成情感计算领域一个重[0004]本发明所采用的技术方案是，基于视频运动放大和光流图序列叠加成四通道图像，输入到我们设计的VGG16网络提取微表情的空域特征并分类得[0013]步骤2.3，选取每个微表情图像5为10-6到我们设计的VGG16网络模型中提取其空间特征并利用so6[0034]本发明方法结合LVMM和RAFT来处理微表情，采用VGG16网络提取微表情的空域特[0035]图1是本发明基于视频运动放大和光流特征的微表情识别方法中使用的算法框架[0039]步骤1，选取数据集并按照情绪分为5类(happiness、disgust、surprise、[0042]步骤2，对所选数据集的所有原始图像帧序列进行预处理。具体按照以下步骤实原始图像帧序列中的所有相邻帧(Xt-1,Xt)通过编码器He(·)得到他们各自的形状特征7步骤2.3得到的所有图像帧序列的相邻帧(T1,T2)中逐像素提取光流特征并以1/8分辨率输[0052]最后，利用基于门控循环单元(GRU)的循环更新结构来迭代更新光流以生成最终流图序列叠加成四通道图像，输入到我们设计的VGG16网络提取微表情的空域特征并分类一个VGG16网络模型。VGG16网络简洁规整，采用13层卷积层和5层最大池化层负责提取特8到的所有单通道灰度图序列和步骤3得到的所有可视化RGB光流图序列叠加成四通道图像识

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论