【技术实现步骤摘要】
本专利技术涉及图像处理，具体地说是一种基于svit网络的微表情识别方法。
技术介绍
1、微观表情是无意识的、快速的、局部的表情，持续时间很短。微表情无法被控制，能够揭示试图隐藏的真实情感。这使得微表情研究在多个领域得到广泛关注，包括心理学、人类行为研究以及安全领域。由于微表情的特性，肉眼难以识别，只有经过广泛训练的专家才能区分。然而，即使经过训练，人类平均只能识别约47％的微表情。所以开发基于计算机视觉和模式分析技术的微表情分析自动化系统是十分必要的。随着计算技术的发展，计算机视觉也在微表情领域快速应用。随着transform的发展，它也运用于微表情识别上，然而，在捕获浅层的局部特征时，可能遭受高冗余的问题。
2、对于微表情识别、如何确保局部特征提取以及长距离依赖，是需要解决的技术问题。
技术实现思路
1、本专利技术的技术任务是针对以上不足，提供一种基于svit网络的微表情识别方法，来解决对于微表情识别、如何确保局部特征提取以及长距离依赖的技术问题。
2、本专利技术...
【技术保护点】
1.一种基于SViT网络的微表情识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于SViT网络的微表情识别方法，其特征在于，基于光流法计算起始帧和顶点帧之间的水平分量、垂直分量和光学应变。
3.根据权利要求1所述的基于SViT网络的微表情识别方法，其特征在于，所述stem模块由四个3×3超复卷积组成。
4.根据权利要求1-3任一项所述的基于SViT网络的微表情识别方法，其特征在于，所述微表情识别模型包括STT模块、卷积层、平均池化层以及分类器，所述微表情识别模型用于执行如下：
5.根据权利要求4所述的基于...
【技术特征摘要】
1.一种基于svit网络的微表情识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于svit网络的微表情识别方法，其特征在于，基于光流法计算起始帧和顶点帧之间的水平分量、垂直分量和光学应变。
3.根据权利要求1所述的基于svit网络的微表情识别方法，其特征在于，所述stem模块由四个3×3超复卷积组成。
4.根据权利要求1-3任一项所述的基于svit网络的微表情识别方法，其特征在于，所述微表情识别模型包括stt模块、卷积层、平均池化层以及分类器，所述微表情识别模型用于执行如下：
5.根据权利要...
【专利技术属性】
技术研发人员：禹继国，曹志龙，董安明，王桂娟，田祥，张丽，高传根，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。