摘要
本发明提供基于双分支持续注意力的英语课堂实时微表情识别方法,涉及微表情识别和深度神经网络技术领域。该方法具体包括:获取若干个微表情视频序列样本,通过分别从每个微表情视频序列样本中提取Onest帧和Apex帧来分别计算每个微表情视频序列样本的RGB运动变化信息和Flow面部变化信息;构建双分支持续注意力网络并利用所有微表情视频序列样本的RGB运动变化信息和Flow面部变化信息进行训练,得到训练好的双分支持续注意力网络;从英语课堂场景中实时获取微表情视频序列并计算该微表情视频序列的RGB运动变化信息和Flow面部变化信息,将得到的RGB运动变化信息和Flow面部变化信息输入训练好的双分支持续注意力网络,预测该微表情视频序列的微表情分类结果。
技术关键词
微表情识别方法
注意力
分支
视频
序列
样本
面部
全局平均池化
深度神经网络技术
运动
分类特征
计算方法
图像数据处理
随机梯度下降
模块
输出特征
场景
系统为您推荐了相关专利信息
预警评估方法
序列
注意力神经网络
波形
融合特征
三维网格模型
三维场景模型
仿真模型
智能设备
视频
风格
语音通话控制方法
语音通话控制装置
标识
混合系统
LSTM神经网络
故障诊断方法
矩阵
注意力机制
网络优化
汽车连接器
插针
邻域特征
显著性检测算法
灰度特征