Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于面部微表情的情绪监测方法 

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:赵朔晟

摘要:本发明涉及生产设备领域,具体为一种基于面部微表情的情绪监测方法,利用高速摄像机在控制环境下采集多种情绪的面部微表情视频,确保视频质量清晰、光照稳定,对采集的视频进行人脸检测与跟踪,提取包含微表情变化的人脸区域,对人脸区域进行预处理。本发明控制第一电机运转带动齿轮旋转,使其在齿板表面相对啮合,在限位板嵌于限位槽的限位下,在滑板内在滑槽内稳定的上下滑动调节高度,控制第二电机运转带动第一锥形齿轮旋转啮合带动第二锥形齿轮旋转,提高时序特征建模的准确性,通过设计合理的损失函数和优化算法,对模型进行训练和调整,以提高情绪分类的精度和泛化能力,增加了情绪监测的充分性。

主权项:1.一种基于面部微表情的情绪监测方法,其特征在于:包括以下步骤:步骤A:利用高速摄像机在控制环境下采集多种情绪的面部微表情视频,确保视频质量清晰、光照稳定,对采集的视频进行人脸检测与跟踪,提取包含微表情变化的人脸区域,对人脸区域进行预处理,包括图像裁剪、灰度转换、噪声去除等步骤,以减少环境因素的干扰。步骤B:采用深度卷积神经网络对预处理后的人脸图像进行特征提取,重点捕捉与微表情相关的细微变化,结合面部动作单元理论。步骤C:利用循环神经网络或长短时记忆网络等时序模型对提取的特征序列进行建模,捕捉微表情在时间维度上的动态变化信息。步骤D:基于深度学习框架构建情绪分类模型,将时序特征作为输入,通过多层神经网络进行非线性变换和特征融合。步骤E:使用标注好的微表情数据集对模型进行训练,通过反向传播算法优化模型参数,采用数据增强、迁移学习等技术手段缓解数据集稀缺问题,提高模型的鲁棒性和泛化能力,对模型进行性能评估和优化调整,确保其在不同场景和个体间保持稳定的识别性能。步骤F:将训练好的模型部署到实际应用场景中,如心理咨询室、企业管理平台等,对实时采集的面部图像进行情绪监测,将监测结果及时反馈给用户或相关系统,根据监测结果提供情绪分析报告和建议措施,帮助用户更好地管理自身情绪或优化工作环境。

全文数据:

权利要求:

百度查询: 赵朔晟 一种基于面部微表情的情绪监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。