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！

申请/专利权人：上海大学;上海大学温州研究院

摘要：本发明涉及基于注意力和神经网络的脑卒中患者表情分类算法，包括以下步骤：A、建立卒中患者表情数据库；a1、抽调全国范围内，大量患者，作为样本，拍摄样本各种表情图；a2、将所有表情图上传到系统中心；a3、读取待识别的目标图像；a4、利用Dlib正向人脸检测器进行检测；a5、得到返回的人脸特征的图片；a6、获取人脸并且裁剪出人脸；a7、将人脸作为单条数据存入数据库。基于通道注意力机制和图卷积神经网络的面部表情识别方法，能够提高面部表情识别的识别精度和识别速度，通过深度学习脑卒中表情反应特征来进行训练过程中的表情识别分类，从而达到高效便捷地脑卒中患者的训练过程中情绪，并且及时发现，实现医疗智能化的目的。

主权项：1.基于注意力和神经网络的脑卒中患者表情分类方法，其特征在于，包括以下步骤：A、建立卒中患者表情数据库；a1、抽调全国范围内，大量患者，作为样本，拍摄样本各种表情图；a2、将所有表情图上传到系统中心；a3、读取待识别的目标图像；a4、利用Dlib正向人脸检测器进行检测；a5、得到返回的人脸特征的图片；a6、获取人脸并且裁剪出人脸；a7、将人脸作为单条数据存入数据库；B、建立面部表情识别模型：面部表情识别模型包括降采样特征提取结构、通道注意力结构、三个图神经网络层以及损失层，所述通道注意力结构示意图中，通道注意力是关注有效的通道特征，与原特征图相乘来对特征进行自适应调整，通道的特征变化公式为：MC＝σMLPAvgPoolF；b1、降采样特征提取结构用于通过小卷积块对目标框中的人脸图像进行特征提取，以得到粗糙特征图；b2、通道注意力结构用于通过深度可分离卷积结构对输入的特征图进行特征提取，以得到精细特征图，并在通道域上对输入的特征图采用全局平均池化globalaveragepooling，将一个通道上整个空间特征编码为一个全局特征，来实现特征图的权重加权，得到关键特征图，以及将所得到的精细特征图与关键特征图点乘后与精细特征图叠加，从而得到通道注意力特征图；b3、将特征图经过三个图卷积神经层，图卷积神经层会将特征图上特征作为节点，根据不同特征距离生成边，简单有效的实现图网络的构建以及能快速学习到脑卒中患者表情的全部空间特征；b4、经过损失层用于获取图卷积神经层结构输出的特征图的损失值，以根据该损失值预测面部表情类别；C、从脑卒中患者表情数据库进行算法模型训练，然后得到一个已离线训练好的面部表情分类识别模型。

全文数据：

权利要求：

百度查询： 上海大学 上海大学温州研究院 基于注意力和神经网络的脑卒中患者表情分类算法及系统