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！

龙图腾网获悉中国矿业大学(北京)申请的专利微表情识别方法和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：CN116543440B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310515422.1，技术领域涉及：G06V40/16；该发明授权微表情识别方法和装置是由杨军;岳政融;邹放达;兰凯崴;林家豪;梁伟超;何博设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。

本微表情识别方法和装置在说明书摘要公布了：本发明公开了一种微表情识别方法和装置，属于图像识别技术领域，方法包括：获取待识别图像信息；获取第一微表情数据集和第二微表情数据集，对第一微表情数据集和第二微表情数据集进行图像预处理，得到全脸图像、眼睛图像、嘴巴图像和光流图像序列；将全脸图像、眼睛图像、嘴巴图像和光流图像序列分别输入三维时空注意力卷积网络进行提取，提取后的图像序列进行特征融合，将特征融合后的全脸特征图、眼睛的特征图和嘴巴的特征图发送到类别概率计算模型，得到每个类别的概率；采用上述步骤进行模型训练，得到训练好的微表情识别模型；采用训练好的微表情识别模型对人脸微表情进行分类和识别。本发明对图像细节信息的捕捉，提升微表情识别效率。

本发明授权微表情识别方法和装置在权利要求书中公布了：1.一种微表情识别方法，其特征在于，包括： S1、获取第一微表情数据集和第二微表情数据集，所述第一微表情数据集和第二微表情数据集包括预设视频中的原始数据帧； S2、对所述第一微表情数据集和第二微表情数据集进行图像预处理，得到固定帧数的全脸图像序列、眼睛图像序列、嘴巴图像序列和光流图像序列； S3、将所述全脸图像序列、所述眼睛图像序列、所述嘴巴图像序列和所述光流图像序列分别输入三维时空注意力卷积网络进行提取，得到全脸图像特征图、眼睛图像特征图、嘴巴图像特征图和光流图像特征图； S4、将全脸图像特征图和光流图像特征图输入双流特征金字塔融合模块，进行特征融合得到特征融合后的全脸特征图，将眼睛图像特征图和嘴巴图像特征图输入眼嘴辅助模块进行计算，得到特征融合后的眼睛的特征图和特征融合后嘴巴的特征图； S5、将所述特征融合后的全脸特征图、特征融合后的眼睛的特征图和特征融合后嘴巴的特征图发送到类别概率计算模块，在类别概率模块中计算交叉熵损失函数，根据所述交叉熵损失函数得到每个类别的概率，所述类别为微表情识别的结果； S6、采用步骤S1-S5进行模型训练，得到训练好的微表情识别模型； S7、采用所述训练好的微表情识别模型对人脸微表情进行分类和识别； 其中，将全脸图像特征图和光流图像特征图输入双流特征金字塔融合模块，进行特征融合得到特征融合后的全脸特征图，包括：将全脸图像特征图输入第一3DCCD模块，得到第一输出；将光流图像特征图依次输入第二3DCCD模块和第一卷积模块，得到第二输出；将所述第一输出和第二输出相加得到第一层叠加特征图；将所述第一层叠加特征图输入第一Res_Block模块，得到第三输出；将光流图像特征图依次输入第二Res_Block模块和第二卷积模块，得到第四输出；将所述第三输出和第四输出相加得到第二层叠加特征图；将所述第二层叠加特征图输入第三Res_Block模块，得到第五输出；将光流图像特征图依次输入第四Res_Block模块和第三卷积模块，得到第三层叠加特征图；将所述第三层叠加特征图展平，得到特征融合后的全脸特征图； 将眼睛图像特征图和嘴巴图像特征图输入眼嘴辅助模块进行计算，得到特征融合后眼睛的特征图和特征融合后嘴巴的特征图，包括：将眼睛图像特征图依次输入第三3DCCD模块、第五Res_Block模块和第六Res_Block模块，展平输出得到特征融合后的眼睛的特征图；将嘴巴图像特征图依次输入第四3DCCD模块，第七Res_Block模块和第八Res_Block模块，展平输出得到特征融合后嘴巴的特征图； 所述第一3DCCD模块至第四3DCCD模块分别卷积核大小为3×3×3、步幅为1以及填充为1；所述第一卷积模块至第三卷积模块分别为卷积核大小为1的1×1卷积；所述第一Res_Block模块至第八Res_Block模块分别卷积核大小为3×3×3、步幅为1以及填充为1。

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国矿业大学(北京)，其通讯地址为：100083 北京市海淀区学院路丁11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。