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！

龙图腾网获悉中山大学申请的专利基于面部神态识别的老年人身心状态实时评估方法与系统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：CN114639140B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210163068.6，技术领域涉及：G06V40/16；该发明授权基于面部神态识别的老年人身心状态实时评估方法与系统是由王若梅;周凡;苏卓设计研发完成，并于2022-02-22向国家知识产权局提交的专利申请。

本基于面部神态识别的老年人身心状态实时评估方法与系统在说明书摘要公布了：本发明公开了一种基于面部神态识别的老年人身心状态实时评估方法与系统。包括：搭建基于注意力模块的面部表情识别网络框架，基于注意力模块的面部表情识别网络框架包括图像序列、三维卷积Conv3D、三维残差块3DResidualBlock、全连接层FC、基于交叉熵损失的Softmax分类器及高效注意力模块EAMBlock；根据用户需求构建训练数据集；输入构建好的训练数据集对面部表情识别模型进行训练；将待处理的老人面部表情的视频输入训练好的面部表情识别模型，确定老人的情绪或身心状态。本发明通过构建用于人脸情绪识别的高效注意力模块EAM，对通道和视频不同帧的信息特征进行建模，提高了网络对重要信息的关注度，更加准确和高效地根据老人面部表情视频识别老人身心状态。

本发明授权基于面部神态识别的老年人身心状态实时评估方法与系统在权利要求书中公布了：1.一种基于面部神态识别的老年人身心状态实时评估方法，其特征在于，所述方法包括： 搭建基于注意力模块的面部表情识别网络框架，所述基于注意力模块的面部表情识别网络框架包括图像序列、三维卷积Conv3D、三维残差块3DResidualBlock、全连接层FC、基于交叉熵损失的Softmax分类器Softmax、高效注意力模块EAMBlock； 根据用户的需求构建训练数据集，在收集大量的老人面部表情的视频之后，给它们标上愤怒、厌恶、恐惧、快乐、悲伤或惊讶的正确标签，即构造出训练数据集； 将构建好的所述训练数据集输入所述基于注意力模块的面部表情识别网络中，得到估计的情绪标签，之后利用构建好的交叉熵损失函数计算估计的情绪标签和视频正确的情绪标签之间的损失，然后反向更新网络模型的参数，重复该步骤多次得到训练好的面部表情识别模型； 将待处理的老人面部表情的视频输入所述训练好的面部表情识别模型中，得到输出的情绪标签，根据标签确定老人的情绪或身心状态； 其中，所述搭建基于注意力模块的面部表情识别网络框架，所述基于注意力模块的面部表情识别网络框架包括图像序列、三维卷积Conv3D、三维残差块3DResidualBlock、全连接层FC、基于交叉熵损失的Softmax分类器Softmax、高效注意力模块EAMBlock，具体为： 所述基于注意力模块的面部表情识别网络框架的输入是图像序列I∈RH×W×T×3，即包含老人面部表情的视频，其中T表示视频的帧数，3表示视频一帧的通道数为3，输出是情绪标签，设置情绪标签为愤怒、厌恶、恐惧、快乐、悲伤和惊讶六个标签； 设计所述三维卷积操作，用于提取浅层特征，所述浅层特征属于动态特征，是一种包含时间维度的视频特征，用其表示面部表情视频中的面部元素、肌肉运动信息，将提取的特征记作Cout表示输出的通道数，取32，后续包含三个三维残差块以及三个EAM注意力模块，最后再经过全连接层的操作以及Softmax层的计算之后得到网络识别的情绪标签； 设计所述三维残差块结构，所述结构包括两个卷积层操作，每个卷积层操作之后都进行批处理归一化BatchNormal和ReLU非线性激活函数，设该结构为第ii＝1,2,3个三维残差块结构，其输入为上一层EAM模块或是卷积提取的特征Vi-1，输出的特征Vi R传入EAM注意力模块，残差网络架构通过增加网络深度提高图像分类性能，从而缓解相对较小的训练数据集的问题； 设计所述高效注意力模块EAMBlock，所述高效注意力模块包括通道高效注意力模块EAM-S和时间高效注意力模块EAM-T； 设计所述全连接层和Softmax分类器，经过Softmax分类器处理之后得到一个六维的向量，六个维度表示六个不同的情绪，向量的每个元素都是一个概率值，表示老人处于对应心情的概率，概率最大的元素即老人当前的主要情绪。

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中山大学，其通讯地址为：510006 广东省广州市海珠区新港西路135号；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”。