【技术实现步骤摘要】
本专利技术属于表情识别，特别是涉及一种基于多尺度混合通道的微表情识别方法、系统、设备及介质。
技术介绍
1、在微表情识别领域，现有的方法按输入数据分类主要分为以手工标注的关键帧作输入和以视频序列作为输入的方法。以视频序列作为输入的方法虽然能够捕捉时空特征，但对长序列的依赖关系建模较弱，容易受到序列长度和帧率变化的影响，同时容易造成输入冗余信息过多的问题。以关键帧作为输入的方法通常依赖计算起始帧和峰值帧的运动特征进行识别，这类方法在忽略了人脸身份信息的同时保留了空间特征和时间特征。
2、此外，微表情的特征通常非常细微，在小尺度下容易与噪声混合，这进一步增加了识别的难度。现有的方法在处理多尺度特征融合方面存在不足的问题，使识别精度受限。因此，研究一种能够有效提取多尺度特征并融合整体信息的微表情识别方法，已成为亟待解决的核心问题。
技术实现思路
1、本专利技术的目的是提供一种基于多尺度混合通道的微表情识别方法、系统、设备及介质，以解决上述现有技术存在的问题。
2、为实现上...
【技术保护点】
1.一种基于多尺度混合通道的微表情识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述在所述图像序列中提取出有效人脸区域，具体包括：
3.根据权利要求1所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述微表情识别模型的训练过程，具体包括：
4.根据权利要求1所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述微表情识别模型的处理过程，具体包括：
5.根据权利要求4所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述多尺度混合通道模块...
【技术特征摘要】
1.一种基于多尺度混合通道的微表情识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述在所述图像序列中提取出有效人脸区域，具体包括：
3.根据权利要求1所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述微表情识别模型的训练过程，具体包括：
4.根据权利要求1所述的一种基于多尺度混合通道的微表情识别方法，其特征在于，所述微表情识别模型的处理过程，具体包括：
5.根据权利要求4所述的一种基于多尺度混合通道的微表情识...
【专利技术属性】
技术研发人员：朱保庆，韩巧玲，赵玥，周治銘，
申请(专利权)人：北京林业大学，
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。