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！

龙图腾网获悉重庆大学申请的专利一种基于帧权重的动态微表情识别方法及相关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：CN119580326B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411639389.4，技术领域涉及：G06V40/16；该发明授权一种基于帧权重的动态微表情识别方法及相关装置是由吴影风;马乐;黄璐;刘美麟设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于帧权重的动态微表情识别方法及相关装置在说明书摘要公布了：本申请公开了一种基于帧权重的动态微表情识别方法及相关装置，涉及图像处理技术领域，该方法包括：获取待识别的微表情图像序列，将所述待识别的微表情图像序列输入训练好的动态微表情识别模型，得到微表情识别结果；其中，动态微表情识别模型包括初始卷积模块、帧注意力模块、动静态结合模块以及时序处理模块。本申请通过在动态微表情识别模型中采用帧注意力模块，能够在计算通道注意力权重的同时进行帧注意力权重的计算，实现了对于动态微表情图像序列中关键帧的识别，并且还通过采用动静态结合模块，在静态特征图的处理基础上增加了特征图之间的动态信息，使得模型对于动态微表情的变化细节更为敏感，大大提升了微表情识别的准确率。

本发明授权一种基于帧权重的动态微表情识别方法及相关装置在权利要求书中公布了：1.一种基于帧权重的动态微表情识别方法，其特征在于，所述动态微表情识别方法包括： 获取待识别的微表情图像序列； 将所述待识别的微表情图像序列输入训练好的动态微表情识别模型，得到微表情识别结果；其中，所述动态微表情识别模型包括初始卷积模块、帧注意力模块、动静态结合模块以及时序处理模块； 所述帧注意力模块用于根据所述初始卷积模块输出的特征图，计算得到具有通道注意力权重和帧注意力权重的特征图； 所述动静态结合模块用于： 对当前帧对应的具有通道注意力权重和帧注意力权重的特征图进行处理，得到静态特征； 计算当前帧对应的具有通道注意力权重和帧注意力权重的特征图和上一帧对应的具有通道注意力权重和帧注意力权重的特征图的差值，并对所述差值进行处理，得到动态特征； 对所述静态特征和所述动态特征进行处理，得到包含静态特征和动态特征的特征图； 所述时序处理模块用于对所述动静态结合模块输出的包含静态特征和动态特征的特征图进行处理，得到所述微表情识别结果； 所述帧注意力模块包括一个帧注意力单元或者两个帧注意力单元；当所述帧注意力模块包括两个帧注意力单元时，一个帧注意力单元的输入为所述初始卷积模块的输出，一个帧注意力单元的输出为另一个帧注意力单元的输入，另一个帧注意力单元的输出为所述动静态结合模块的输入； 所述帧注意力单元包括第一卷积子单元、通道注意力权重计算子单元、帧注意力权重计算子单元、综合计算子单元和激活输出子单元； 所述第一卷积子单元，用于对输入的特征图进行处理，得到第一特征图； 所述通道注意力权重计算子单元，用于对所述第一特征图进行处理，得到通道注意力权重； 所述帧注意力权重计算子单元，用于对所述第一特征图进行处理，得到帧注意力权重； 所述综合计算子单元，用于对所述通道注意力权重和所述帧注意力权重进行乘积操作，得到第一积，并对所述第一积和所述第一特征图进行乘积操作，得到第二特征图； 所述激活输出子单元，用于所述第二特征图进行激活处理，得到所述具有通道注意力权重和帧注意力权重的特征图，并将所述具有通道注意力权重和帧注意力权重的特征图输出至所述动静态结合模块； 所述第一卷积子单元包括：第一卷积层、第一批归一化层、第一激活层、第二卷积层以及第二批归一化层；其中，第一个卷积层有128个卷积核，卷积尺寸为3×3，单个卷积核大小为64×3×3，卷积核移动步长为2，边缘填充尺寸为1，不设置空洞卷积；第一卷积层后依次设置第一批归一化层、第一激活层，第一激活层使用ReLU函数进行激活；第一激活层后设置第二卷积层，第二卷积层有128个卷积核，卷积尺寸为3×3，单个卷积核大小为128×3×3，卷积核移动步长为1，边缘填充尺寸为1，不设置空洞卷积；第二卷积层后设置第二批归一化层； 所述通道注意力权重计算子单元包括：第三卷积层、第四卷积层、第二激活层、第五卷积层和第三激活层；其中，所述第三卷积层的输入为所述第一卷积子单元的输出；所述第四卷积层的输入为所述第三卷积层的输出；所述第二激活层的输入为所述第四卷积层的输出；所述第五卷积层的输入为所述第二激活层的输出；所述第三激活层的输入为所述第五卷积层的输出； 所述帧注意力权重计算子单元包括：第六卷积层、第七卷积层、第四激活层、第八卷积层和第五激活层；其中，所述第六卷积层的输入为所述第一卷积子单元的输出；所述第七卷积层的输入为所述第六卷积层的输出；所述第四激活层的输入为所述第七卷积层的输出；所述第八卷积层的输入为所述第四激活层的输出；所述第五激活层的输入为所述第八卷积层的输出； 所述动静态结合模块包括静态特征提取单元、动态特征提取单元以及组合单元； 所述静态特征提取单元用于对当前帧对应的具有通道注意力权重和帧注意力权重的特征图进行处理，得到静态特征； 所述动态特征提取单元用于计算当前帧对应的具有通道注意力权重和帧注意力权重的特征图和上一帧对应的具有通道注意力权重和帧注意力权重的特征图的差值，并对所述差值进行处理，得到动态特征； 所述组合单元用于对所述静态特征和所述动态特征进行处理，得到包含静态特征和动态特征的特征图； 所述静态特征提取单元包括一个Transformer层或两个结构相同的Transformer层；当所述静态特征提取单元包括两个结构相同的Transformer层时，一个Transformer层的输入为所述帧注意力模块的输出，一个Transformer层的输出为另一个Transformer层的输入，另一个Transformer层的输出为所述组合单元的输入； 所述动态特征提取单元包括一个差值计算层、一个卷积层和一个激活层；其中，所述差值计算层的输入为所述帧注意力模块的输出；所述差值计算层的输出为所述卷积层的输入；所述卷积层的输出为所述激活层的输入；所述激活层的输出为所述组合单元的输入； 所述差值计算层用于计算当前帧对应的具有通道注意力权重和帧注意力权重的特征图和上一帧对应的具有通道注意力权重和帧注意力权重的特征图的差值； 所述卷积层用于对所述差值进行卷积操作，得到卷积操作后的特征； 所述激活层用于对所述卷积操作后的特征进行激活操作，得到所述动态特征。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。

以上内容由龙图腾AI智能生成。