【技术实现步骤摘要】
本申请涉及计算机识别微表情，具体涉及一种基于迁移学习的微表情识别系统及方法。
技术介绍
1、情绪是一种内在的主观体验，但是在情绪发生时，总是会伴随着某些外在的行为特征，如表情、语言、动作等。研究表明，人在交流沟通中传递的信息有55％来自于面部表情。面部表情分为宏表情和微表情两种类型。宏表情是人们在日常交流时流露出的表情，面部肌肉变化幅度大，持续时间长，很容易判断出所要表达的情绪，但宏表情极易被假装或隐藏。微表情是人刻意隐藏自己情感时无意间流露出的表情，面部肌肉变化幅度小，持续时间仅为1/25到1/5秒，这种表情没有办法抑制也没有办法伪装，常用来当作判断人的真实情感和想法的主要依据。
2、然而，由于微表情出现的频率较低且持续时间短暂，即使是经过专业训练的人员在进行微表情识别时也很难达到满意的结果。为了节省人工成本并提高微表情识别的准确率，人们借助计算机来进行微表情识别研究。
3、目前主要有基于传统手工提取特征和基于深度学习提取特征两种方法。传统手工提取特征的方法是基于手工设计的特征提取规则，但受限于依赖专家知识、对...
【技术保护点】
1.一种基于迁移学习的微表情识别系统，其特征在于，所述迁移学习的微表情识别系统包括：
2.根据权利要求1所述的基于迁移学习的微表情识别系统，其特征在于，所述微表情识别模块在VGG16网络模型中将全连接层从三层设计为二层，并将Softmax分类器取代为7种微表情标签Softmax分类器；其中VGG16网络模型的权重参数总数为65×106。
3.根据权利要求1所述的基于迁移学习的微表情识别系统，其特征在于，全连接层中第一层为4096，第二层为7。
4.根据权利要求2所述的基于迁移学习的微表情识别系统，其特征在于，7种微表情包括：愤怒、害...
【技术特征摘要】
1.一种基于迁移学习的微表情识别系统，其特征在于，所述迁移学习的微表情识别系统包括：
2.根据权利要求1所述的基于迁移学习的微表情识别系统，其特征在于，所述微表情识别模块在vgg16网络模型中将全连接层从三层设计为二层，并将softmax分类器取代为7种微表情标签softmax分类器；其中vgg16网络模型的权重参数总数为65×106。
3.根据权利要求1所述的基于迁移学习的微表情识别系统，其特征在于，全连接层中第一层为4096，第二层为7。
4.根据权利要求2所述的基于迁移学习的微表情识别系统，其特征在于，7种微表情包括：愤怒、害怕、幸福、惊讶、悲伤、厌恶或轻蔑。
5.一种基于迁移学习的微表情识别方法，其特征在于，所述迁移学习的微表...
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。