-
公开(公告)号：CN112380924B
公开(公告)日：2023-09-15
申请号：CN202011153913.9
申请日：2020-10-26
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于面部微表情动态识别的抑郁倾向检测方法，包括：S1，采集人脸的面部微表情视频，并提取每个面部微表情视频的动态图像；S2，将动态图像输入到已经训练好的微表情识别模型中，微表情识别模型输出动态图像所属的类别；S3，根据动态图像所属的类别判断是否含有消极情绪；若有，则所属表情类别为消极的，记为有抑郁倾向。本发明能够是能够识别出高压环境工作者的消极情绪，从而能够更准确的判断是否有抑郁倾向。
-
公开(公告)号：CN119152562B
公开(公告)日：2025-03-11
申请号：CN202411646839.2
申请日：2024-11-18
Applicant: 华南理工大学
IPC: G06V40/16 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开的一种基于双特征融合的微表情识别方法及系统，包括获取用于训练的微表情数据；使用微表情图像特征提取器获取微表情单帧特征；计算表情发生帧特征与峰值帧特征之间的梯度特征；计算表情发生帧与峰值帧之间的运动特征；获取加权融合后的梯度特征和运动特征，作为完整的微表情特征；使用分类器将完整的微表情特征输入分类器中以预测所属类别。本发明考虑了两种互补的特征，使用梯度特征学习模块计算微表情梯度特征，使用运动特征学习模块计算微表情运动特征。结合可学习的融合系数获得完整的特征。最后将特征输入分类器进行情感识别。
-
公开(公告)号：CN112380924A
公开(公告)日：2021-02-19
申请号：CN202011153913.9
申请日：2020-10-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于面部微表情动态识别的抑郁倾向检测方法，包括：S1，采集人脸的面部微表情视频，并提取每个面部微表情视频的动态图像；S2，将动态图像输入到已经训练好的微表情识别模型中，微表情识别模型输出动态图像所属的类别；S3，根据动态图像所属的类别判断是否含有消极情绪；若有，则所属表情类别为消极的，记为有抑郁倾向。本发明能够是能够识别出高压环境工作者的消极情绪，从而能够更准确的判断是否有抑郁倾向。
-
公开(公告)号：CN119152562A
公开(公告)日：2024-12-17
申请号：CN202411646839.2
申请日：2024-11-18
Applicant: 华南理工大学
IPC: G06V40/16 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开的一种基于双特征融合的微表情识别方法及系统，包括获取用于训练的微表情数据；使用微表情图像特征提取器获取微表情单帧特征；计算表情发生帧特征与峰值帧特征之间的梯度特征；计算表情发生帧与峰值帧之间的运动特征；获取加权融合后的梯度特征和运动特征，作为完整的微表情特征；使用分类器将完整的微表情特征输入分类器中以预测所属类别。本发明考虑了两种互补的特征，使用梯度特征学习模块计算微表情梯度特征，使用运动特征学习模块计算微表情运动特征。结合可学习的融合系数获得完整的特征。最后将特征输入分类器进行情感识别。
-
-
-
Search Results
4
records
(took 0.016 seconds)
