Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京大学武港山获国家专利权

南京大学武港山获国家专利权

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!

龙图腾网获悉南京大学申请的专利一种基于面部分块的表情识别方法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:CN113936309B

龙图腾网通过国家知识产权局官网在2025-12-12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:202010673108.2,技术领域涉及:G06V40/16;该发明授权一种基于面部分块的表情识别方法是由武港山;王丽设计研发完成,并于2020-07-14向国家知识产权局提交的专利申请。

一种基于面部分块的表情识别方法在说明书摘要公布了:一种基于面部分块的表情识别方法,包括以下步骤:1使用面部分块构建全卷积表情识别网络:面部特征提取阶段采用两个互补型卷积网络,一个为基于图片时间信息的表情识别网络,用于提取整张人脸的整体特征,另一个是基于图片几何信息的表情识别网络,用于提取面部分块的局部特征;2训练阶段:利用表情识别数据集训练网络,使用交叉熵函数作为损失函数,在过程中采用在线难例样本再训练策略;3测试阶段:将测试图像输入网络,得到表情识别结果。本发明在特征提取阶段,充分利用图片信息和人脸关键点信息,构建两个互补型小型网络,提取人脸的整体特征和面部分块的局部特征,提高人脸表情识别的鲁棒性。

本发明授权一种基于面部分块的表情识别方法在权利要求书中公布了:1.一种基于面部分块的表情识别方法,其特征是构造主体网络和分支网络两个深度网络用于面部特征提取,主体网络为基于图片时间信息的表情识别网络,提取人脸的整体特征,分支网络为基于图片几何信息的表情识别网络,捕捉面部分块之间的联系,找出对网络识别贡献最大的区域,用于提取面部分块的局部特征,在进入分类器进行识别之前将两步部分特征进行融合,提高表情的识别准确率,最后由分类器给出表情识别结果;其中,面部分块是指根据表情动作将人脸根据分为N个运动块,分块方式是由点到面进行,首先确定每个分块的中心点,根据面部解剖学,确定每个分块的中心点,进而根据与中心点距离计算得到分块区域,中心点的坐标根据人脸关键点得到;包括以下步骤: 1构建全卷积面部表情识别网络:面部表情识别网络包括数据预处理、面部特征提取和表情分类三个阶段,数据预处理用于面部对齐与面部裁剪,得到面部归一化数据,面部特征提取包括面部整体特征提取和面部分块特征提取,得到人脸特征表示,表情分类阶段根据人脸特征进行分类预测,网络中的卷积层均经过批标准化处理,以ReLU作为激活函数;步骤1中,面部特征提取阶段包括两个小型网络,即主体网络和分支网络,主体网络包括两层卷积层,两个最大池化层,以及两个全连接层,卷积层和最大池化层都是采用5*5卷积核,ReLU为激活函数,全连接层采用dropout防止过拟合;分支网络输入为面部图像的关键点坐标,分支网络首先选择面部分块的中心点,再而对分块提取特征,并对分块做注意力计算,得到分块的热点图heatmap,分支网络的卷积核采用3*3,步长为1; 其中,分支网络根据表情将人脸分为12个运动块,包括眉、眼、口和鼻区域的肌肉区域,分支网络对每一张图片的面部分块,采用卷积网络对输入的面部分块图像计算其热点图,得到热点矩阵,对于靠近中心点的区域设置高权重,远离中心点区域设置低权重,然后将热点矩阵融入主体网络,热点矩阵和特征矩阵做求和,作为另一个特征维度带入计算; 2训练阶段:利用面部表情识别数据集训练构建的全卷积神经网络,使用交叉熵函数作为损失函数; 3测试阶段:将测试图像输入网络,得到表情分类结果。

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南京大学,其通讯地址为:210023 江苏省南京市栖霞区仙林大道163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。

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。