【技术实现步骤摘要】
本专利技术涉及深度学习与模式识别，特别是涉及基于面部关键点的自适应图卷积表情识别方法及系统。
技术介绍
1、本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、面部表情作为一种明显的面部运动模式，是人们传达情感时一种自然普通而直接有力的方式，也是非接触性捕捉情绪状态的主要信号之一。albert mehrabian的研究表明，在传递人类情感的所有信息中，面部表情信息占据了总量的55％，剩下的情感信息则由7％的语言和38％的声音来表露。因此，面部表情识别技术作为人机交互中情感计算的重要分支，得到了广泛的研究与发展。
3、早期，针对面部图像，面部表情识别算法主要依靠人工设计的方法来构造一些浅层特征，例如几何、外观、纹理等特征，而后使用机器学习的分类方法进行预测。绝大多数人工特征能够反映出面部图像的纹理，在获得面部图像较为浅层的特征上具有自身优势。然而，这种方法在很大程度上依赖于手工特征的质量和复杂的人工规则，建模过程较为繁琐，且易受干扰因素的影响，难以提取完整的具备分类信息的表情特征。同时，...
【技术保护点】
1.基于面部关键点的自适应图卷积表情识别方法，其特征是，包括：
2.如权利要求1所述的基于面部关键点的自适应图卷积表情识别方法，其特征是，获取待识别的人脸面部视频，提取视频中每一帧图像的面部关键点，得到待识别人脸面部视频的面部关键点的序列数据，其中，面部关键点的序列数据，是指：
3.如权利要求1所述的基于面部关键点的自适应图卷积表情识别方法，其特征是，基于面部关键点的序列数据，分别生成面部肌肉的序列数据、面部关键点移动的序列数据以及面部肌肉移动的序列数据，其中，生成面部关键点移动的序列数据，具体包括：
4.如权利要求1所述的基于面部...
【技术特征摘要】
1.基于面部关键点的自适应图卷积表情识别方法，其特征是，包括：
2.如权利要求1所述的基于面部关键点的自适应图卷积表情识别方法，其特征是，获取待识别的人脸面部视频，提取视频中每一帧图像的面部关键点，得到待识别人脸面部视频的面部关键点的序列数据，其中，面部关键点的序列数据，是指：
3.如权利要求1所述的基于面部关键点的自适应图卷积表情识别方法，其特征是，基于面部关键点的序列数据，分别生成面部肌肉的序列数据、面部关键点移动的序列数据以及面部肌肉移动的序列数据，其中，生成面部关键点移动的序列数据，具体包括：
4.如权利要求1所述的基于面部关键点的自适应图卷积表情识别方法，其特征是，基于面部关键点的序列数据，分别生成面部肌肉的序列数据、面部关键点移动的序列数据以及面部肌肉移动的序列数据，其中，生成面部肌肉的序列数据，具体包括：
【专利技术属性】
技术研发人员：王德强，赵大奇，张文胜，王靖雯，江君宝，李皓名，
申请(专利权)人：山东大学，
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。