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！

龙图腾网获悉桂林信息科技学院申请的专利一种双模态面瘫识别优化方法及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：CN119992618B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411947043.0，技术领域涉及：G06V40/16；该发明授权一种双模态面瘫识别优化方法及系统是由黄金海;韦海兰;张皓然;谢玉忠设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种双模态面瘫识别优化方法及系统在说明书摘要公布了：本发明公开了一种双模态面瘫识别优化方法及系统，方法包括获取面部图像和肌电信号，得到第一面部特征和第一肌电特征；将面部图像输入至第一模型，输出面部关键点和肌肉纹理特征，并依据时间序列获取表情动作轨迹，输出动态对称性偏差；提取面部肌电信号的第二肌电特征；将第一模型的输出特征与肌电信号特征输入至第二模型，得到总损失函数并输出分类类别；将获取的特征与总损失函数，输入至第二模型得到分类概率，用于更新第二模型输出。本发明采用优化的卷积神经网络模型提取面部关键点，将静态偏差与动态变化结合，解决动态与静态特征的融合问题，通过DTW消除个体差异，并基于注意力机制的融合实现双模态数据融合精确识别面瘫程度的效果。

本发明授权一种双模态面瘫识别优化方法及系统在权利要求书中公布了：1.一种双模态面瘫识别优化方法，其特征在于，包括： 获取面部图像和面部肌电信号，进行预处理，并获取第一面部特征和第一肌电特征； 第一肌电特征通过面部肌电信号经带通滤波器处理结合小波去噪得到去噪后的信号xdt，基于去噪后的信号计算得到均方根，作为第一肌电特征RMS； 将预处理后的面部图像输入至第一模型，进行特征提取，输出面部关键点和肌肉纹理特征，并依据时间序列获取表情动作轨迹，将动作轨迹与标准模板对比，输出动态对称性偏差； 其中，依据时间序列获取表情动作轨迹，将动作轨迹与标准模板对比，输出动态对称性偏差，包括：将提取的面部关键点和肌肉纹理特征作为时序数据输入第一模型中的LSTM架构，得到表情动作轨迹； 将获取的表情动作轨迹与表情标准模板进行对比，通过DTW算法进行时间和幅度对齐，具体包括： 设m个标准模板构成的集合为U＝{U1,U2,…,Um}； 设n个患者的表情轨迹构成的集合为X＝{X1,X2,…,Xn}； 设DTW的目标为最优匹配路径P＝{i1,j1,i2,j2,…,ik,jk}； 将U和X在时间和幅度上进行对齐，得到DTW的距离度量，表示为： 其中，i∈m,j∈n； 计算输出患者与标准模板之间的动态对称性偏差，包括： 结合DTW的距离度量，计算基于时间序列的同步性和特征幅度变化的相似度，表示为： 其中，T表示面瘫患者X和标准模板U在时间步t的总数； 若相似度超过设定的阈值，则认为存在面瘫的动态对称性偏差，并将相似度作为动态对称性偏差值进行输出； 提取预处理后的面部肌电信号的第二肌电特征，包括： 通过短时傅里叶变换对预处理后的面部肌电信号进行处理，到面瘫的时频特征能量谱； 基于面瘫的时频特征能量谱计算得到动态频谱差作为第二肌电特征； 将第一模型的输出特征与肌电信号特征输入至第二模型，进行特征融合，得到总损失函数并输出分类类别，具体包括： 定义第一模型的输出特征为视觉特征，表示为： Z＝{Z1,Z,…,Zi}i＝1,2,…,n 其中，Zi表示通过第一模型输出的第i个包括面部关键点、肌肉纹理特征、动态对称性偏差的向量； 定义肌电特征为： E＝{E1,E2,…,Ei}i＝1,2,…,n 其中，Ei表示通过短时傅里叶提取的动态频谱差特征； 将视觉特征与肌电特征输入基于注意力机制的Transformer模型，通过两层不同特征的自注意力层以及前馈网络处理，进行特征加权融合，并输出分类类别标签； 基于第二模型中的相似性度量函数与分类损失函数得到总损失函数； 将获取的特征与总损失函数，输入至第二模型得到分类概率，用于更新第二模型输出分类类别，确定最可能的表情类型。

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桂林信息科技学院，其通讯地址为：541199 广西壮族自治区桂林市临桂区岩图路9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。