【技术实现步骤摘要】
本专利技术涉及微表情识别，尤其涉及一种空时特征驱动下基于cotnet的微表情识别方法及其用途。
技术介绍
1、微表情是一种在情绪刺激下的无意识的面部运动，很难甚至不能被假装或控制，可以揭示人们在特定场景下隐藏的情感。因此，作为情感计算的一个分支，微表情识别在民航安检、刑事审讯和临床医疗等不同领域都有潜在的应用。
2、民用航空作为重要的运输行业，不仅承载着人们出行的需求，也是国家和地区经济发展的重要支柱。安全是民用航空的生命线，加强安保对于保障运输安全至关重要。随着人工智能技术的发展，将基于微表情的情感计算方法融入民航安保，可有效提升民航安全水平。在2022年1月21日正式颁布的《智慧民航建设路线图》中说明：2025年，要取得数字化转型的阶段性成果，其中一个重要方面是实现出行一张脸，监管一平台。
3、随着图像处理技术和计算机技术的发展，越来越多的专家学者们开始投入到微表情分析的研究中，微表情识别方法也从最初的人工判别向智能化技术手段演变。计算机视觉和图片处理技术的发展为微表情识别提供了强大的支撑。研究者使用深度学习...
【技术保护点】
1.一种空时特征驱动下基于CoTNet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所述一种空时特征驱动下基于CoTNet的微表情识别方法，其特征在于，步骤S1中，采用TLV1方法提取微表情样本的光流图。
3.根据权利要求1或2所述一种空时特征驱动下基于CoTNet的微表情识别方法，其特征在于，步骤S1包括：提取微表情样本中起始帧到顶点帧的光流图；采用特征融合的方法将所述光流图与原始图片进行融合。
4.根据权利要求3所述一种空时特征驱动下基于CoTNet的微表情识别方法，其特征在于，步骤S2包括：
5....
【技术特征摘要】
1.一种空时特征驱动下基于cotnet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所述一种空时特征驱动下基于cotnet的微表情识别方法，其特征在于，步骤s1中，采用tlv1方法提取微表情样本的光流图。
3.根据权利要求1或2所述一种空时特征驱动下基于cotnet的微表情识别方法，其特征在于，步骤s1包括：提取微表情样本中起始帧到顶点帧的光流图；采用特征融合的方法将所述光流图与原始图片进行融合。
4.根据权利要求3所述一种空时特征驱动下基于cotnet的微表情识别方法，其特征在于，步骤s2包括：
5.根据权利要求4所述一种空时特征驱动下基于cotnet的微表情识别方法，其特征在于，步骤s3中，对所述casmeii、samm和smic数据集进行预处理，包括如下步骤：对所述casmeii、samm和smic数据集中的样本进行重新归类并融合，同时标记样本中的起始帧和顶点帧；对融合后的样本进行人脸裁剪；对裁剪后的样本进行图像增强处理...
【专利技术属性】
技术研发人员：杨俊，邬梓渌，吴仁彪，刘昊燃，
申请(专利权)人：中国民航大学，
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。