摘要
本发明公开一种基于时间序列和向量化的人脸表情识别系统及方法,其中,基于时间序列和向量化的人脸表情识别方法包括对输入的面部视频序列进行处理,提取每一帧图像中的动作单元、对提取出的动作单元按照时间顺序排列成时间序列,并在每个时间点将该时刻的所有动作单元以特征向量形式表示、对以特征向量形式表示的动作单元进行计算、将上述计算后的特征向量生成完整的表情时间序列向量以及基于生成的表情时间序列向量,利用分类模型对表情进行识别,本发明通过将时间序列与向量化技术相结合,有效克服了动作单元稀疏性和识别不准的问题,并通过动态的时间序列表征,显著提高了表情识别的稳定性和准确性。
技术关键词
人脸表情识别方法
序列
人脸表情识别系统
深度卷积神经网络
面部特征点
LSTM模型
机器学习方法
深度学习模型
编码系统
视频
图像
识别模块
标记
算法
动态
模式
系统为您推荐了相关专利信息
轨迹预测方法
拓扑地图
智能终端
序列
数据获取模块
统计系统
瞬态参数
数控机床
序列优化单元
任务调度
碳排放计算方法
动态潮流
机器学习算法
电网运行状态
负荷
功能优化方法
个性化推荐模型
账户
DBSCAN算法
营销管理系统