一種基于3D卷積神經(jīng)網(wǎng)絡(luò)的微表情識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN201610954555.9 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN106570474B 公開(kāi)（公告）日 2019-06-28
申請(qǐng)公布號(hào) CN106570474B 申請(qǐng)公布日 2019-06-28
分類(lèi)號(hào) G06K9/00（2006.01）I; G06K9/62（2006.01）I; G06N3/04（2006.01）I; G06N3/08（2006.01）I 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 盧官明; 楊成; 閆靜杰 申請(qǐng)（專(zhuān)利權(quán)）人 南京因果人工智能研究院有限公司
代理機(jī)構(gòu) 南京經(jīng)緯專(zhuān)利商標(biāo)代理有限公司 代理人 南京郵電大學(xué)
地址 210000 江蘇省南京市鼓樓區(qū)新模范馬路66號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于3D卷積神經(jīng)網(wǎng)絡(luò)的微表情識(shí)別方法，基于所構(gòu)造出的3D卷積神經(jīng)網(wǎng)絡(luò)(3D?CNN)模型，能夠有效識(shí)別出高興、厭惡、壓抑、驚訝以及其他5類(lèi)微表情，并且所設(shè)計(jì)微表情識(shí)別方法簡(jiǎn)單、高效，不需要對(duì)樣本數(shù)據(jù)進(jìn)行特征提取、特征降維、分類(lèi)等一系列過(guò)程，大大減少了預(yù)處理的難度，而且通過(guò)感受野和權(quán)值共享，減少了神經(jīng)網(wǎng)絡(luò)需要訓(xùn)練的參數(shù)的個(gè)數(shù)，大大降低了算法的復(fù)雜度，不僅如此，所設(shè)計(jì)微表情識(shí)別方法中，通過(guò)下采樣層的下采樣操作，增強(qiáng)了網(wǎng)絡(luò)的魯棒性，能容忍圖像一定程度的畸變。