买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华南师范大学申请的专利一种人脸表情识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114612958B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210101573.8，技术领域涉及：G06V40/16；该发明授权一种人脸表情识别方法及装置是由王东;李萍;唐小煜;林逸鑫设计研发完成，并于2022-01-27向国家知识产权局提交的专利申请。

本一种人脸表情识别方法及装置在说明书摘要公布了：本申请涉及一种人脸表情识别方法及装置，其具体步骤包括：对人脸图像进行预处理；使用改进的八度卷积神经网络对预处理后的人脸图像进行特征提取，得到人脸图像的深度特征图；将所述深度特征图输入自适应池化层进行下采样得到平均池化特征图；将所述平均池化特征图依次输入全连接层和softmax分类层进行分类识别得到表情识别结果。本申请所述的一种人脸表情识别方法及装置，在不增加参数量的前提下，减少了低频冗余和计算量，提高了特征提取能力；采用的动态激活函数能够根据输入的特征图自适应生成最优的系数，有效提高了模型的表达能力。

本发明授权一种人脸表情识别方法及装置在权利要求书中公布了：1.一种人脸表情识别方法，其特征在于，包括以下步骤：对人脸图像进行预处理；使用改进的八度卷积神经网络对预处理后的人脸图像进行特征提取，得到人脸图像的深度特征图；其中，所述改进的八度卷积神经网络包括依次连接的改进八度卷积块和最大池化层，所述改进八度卷积块包括两个八度卷积层，每个八个卷积层包括改进的八度卷积模块、批标准化和动态激活函数；所述改进的八度卷积模块将输入所述改进的八度卷积模块的图像分成高频部分图像和低频部分图像，高频部分图像的分辨率不变，将低频部分图像输入所述改进的八度卷积模块中的池化核大小为2×2，步长为2的最大池化层进行下采样，得到分辨率为输入图像一半的低频图像；所述改进的八度卷积模块对所述高频部分图像和下采样得到的所述低频图像按照下述公式进行处理，分别将所述高频部分图像和所述低频图像输入所述改进的八度卷积模块的不同卷积核通道，按照训练得到的卷积权重进行卷积操作得到高频卷积特征图和低频卷积特征图，将所述低频卷积特征图进行最近邻插值法上采样得到与所述高频卷积特征图分辨率相同的低频上采样特征图，将所述改进的八度卷积模块不同卷积核通道上的高频卷积特征图和低频上采样特征图进行拼接输出融合特征图； 其中，Xl表示输入所述改进的八度卷积模块的图像，Xl+1表示输出的融合特征图，i，j表示图像的像素为i，j，表示输入所述改进的八度卷积模块的图像中的高频部分图像；表示输入所述改进的八度卷积模块的图像中的低频部分图像，是Xl经过所述改进的八度卷积模块中的最大池化层下采样得到的；WlH表示对所述高频部分图像的卷积权重，WlL表示对所述低频图像的卷积权重，a表示低频部分图像的分量占比，upsimple表示上采样，表示卷积操作，表示拼接操作；Xl+1i，j中i，j∈{1，2，...Ll+1}，Ll+1为Xl+1的尺寸，Ll为Xl的尺寸，p为边界填充，f为卷积核大小，s为卷积步长；所述批标准化将所述改进的八度卷积模块输出的融合特征图调整到标准高斯分布；所述动态激活函数根据所述批标准化后的融合特征图自适应生成最优的系数，对所述批标准化后的融合特征图做非线性映射，得到非线性映射特征图；所述动态激活函数为DyReLU函数，其形式为跨空间共享，通道不共享，其运算公式为： 其中，yi表示第i个通道输出的非线性映射特征图，xi表示第i个通道输入的所述批标准化后的融合特征图；ai和bi为第i个通道对应的系数，由辅助函数θx计算输出；所述最大池化层将所述动态激活函数输出的非线性映射特征图进行下采样得到所述深度特征图；将所述深度特征图输入自适应池化层进行下采样得到平均池化特征图；将所述平均池化特征图依次输入全连接层和softmax分类层进行分类识别得到表情识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南师范大学，其通讯地址为：510006 广东省广州市番禺区外环西路378号华南师范大学物理与电信工程学院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。