【技术实现步骤摘要】
本专利技术涉及人工智能计算机视觉，具体为基于大模型的微表情识别系统。
技术介绍
1、在现代通信和安全领域，面部表情识别技术已成为一个重要的研究方向，尤其是微表情的识别，因为微表情能够揭示人们在尽力隐藏的真实感受和意图。微表情是在极端压力下不自觉展现的极其短暂的面部表情，通常持续时间不超过1/25秒。然而，由于其表现的微妙和短暂，传统的表情识别系统常常难以准确捕捉和分析这些快速而细微的面部动作。
2、传统的微表情识别方法通常依赖于显式的面部动作编码系统和手动标注的训练数据。这些方法不仅工作量大、成本高，而且在动态或复杂的环境中容易出现误识别。此外，这些系统通常缺乏适应个体差异的能力，不能有效地根据不同用户的独特面部特征调整识别算法。
3、在光线较暗或背景复杂的环境中，传统的视觉输入设备如普通摄像头的性能往往大打折扣，这进一步限制了微表情识别系统在实际应用中的广泛性和有效性。因此，现有的技术需要一种能够在各种环境下稳定工作、自动学习与优化并具备高灵敏度识别能力的微表情识别系统。
技术实现思
<本文档来自技高网...【技术保护点】
1.基于大模型的微表情识别系统，包括视频输入，其特征在于，所述视频输入与数据处理单元相连接，所述数据处理与深度学习模型相连接，所述深度学习模型与自适应学习模块相连接，所述深度学习模型与情感推断引擎连接，所述情感推断引擎与用户界面相连接，所述自适应学习模块与用户界面相连接；
2.根据权利要求1所述的基于大模型的微表情识别系统，其特征在于，所述深度学习模型利用端到端的训练策略，在无需手动标注的情况下，通过无监督学习自动识别和分类人类面部的微表情。
3.根据权利要求1所述的基于大模型的微表情识别系统，其特征在于，所述数据处理单元包括一个动态跟踪模块，...
【技术特征摘要】
1.基于大模型的微表情识别系统，包括视频输入，其特征在于，所述视频输入与数据处理单元相连接，所述数据处理与深度学习模型相连接，所述深度学习模型与自适应学习模块相连接，所述深度学习模型与情感推断引擎连接，所述情感推断引擎与用户界面相连接，所述自适应学习模块与用户界面相连接；
2.根据权利要求1所述的基于大模型的微表情识别系统，其特征在于，所述深度学习模型利用端到端的训练策略，在无需手动标注的情况下，通过无监督学习自动识别和分类人类面部的微表情。
3.根据权利要求1所述的基于大模型的微表情识别系统，其特征在于，所述数据处理单元包括一个动态跟踪模块，能够在连续的视频帧中跟踪单个面部特征点的移动轨迹，从而捕捉和分析微表情中的瞬间变化。
4.根据权利要求3所述的基于大模型的微表情识别系统，其特征在于，所述动态跟踪模块采用粒子滤波技术来增强对快速和微小面部动作的追踪精度。
5.根据权利要求1所述的基于大模型的微表情识别系统，其特征在于，所述分析模块进一步包括一个基于深度强化学习的反馈机制，用于根据实际应用中用户的互动反馈自我调整情感推断的准确性和响应速度。
6.根据...
【专利技术属性】
技术研发人员：刘小虎，
申请(专利权)人：苏州咏憬悦智能科技有限公司，
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。