CN110569742A - 一种微表情分析研判*** - Google Patents
一种微表情分析研判*** Download PDFInfo
- Publication number
- CN110569742A CN110569742A CN201910762116.1A CN201910762116A CN110569742A CN 110569742 A CN110569742 A CN 110569742A CN 201910762116 A CN201910762116 A CN 201910762116A CN 110569742 A CN110569742 A CN 110569742A
- Authority
- CN
- China
- Prior art keywords
- training
- micro
- expression
- expression analysis
- testing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010195 expression analysis Methods 0.000 title claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 230000014509 gene expression Effects 0.000 claims abstract description 26
- 230000008921 facial expression Effects 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 3
- 230000008451 emotion Effects 0.000 abstract description 7
- 230000000638 stimulation Effects 0.000 abstract description 6
- 238000011835 investigation Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种微表情分析研判***,其包括训练单元和测试单元;所述训练单元的微表情分析包括如下步骤:(1)开始训练;(2)进行人脸检测和切割的训练;(3)采用多层异构神经网络来提取人脸微表情特征进行训练;(4)进行人脸表情分析的训练;(5)结束训练;本发明的一种微表情分析研判***通过训练单元和测试单元的训练步骤及测试步骤进行大量的训练和测试,能实时、准确的给出刺激下的被测试人情绪结果,给调查者及时有效的参考信息,调查者可以进一步围绕该表情所对应的刺激获得更多的线索,从而提高调查质量。
Description
技术领域
本发明涉及计算机视觉分析领域,具体为一种微表情分析研判***。
背景技术
人脸面部表情是人类进行信息交流的一种有效的表达方式,其作为情感计算***中的关键技术使其成为人机交互的基础,对人脸面部表情的研究不仅顺应了人工智能的发展,还符合时代发展的潮流,有助于推动科技的发展,在不久的将来必将成为科技界的一股潮流。
人脸面部表情的用途比较广泛,尤其是在各大工厂、企业中它们对工作过程中的安全防护问题越来越重视,比如矿井、建筑场地及重工业地区等事故多发地,安全防护问题是重中之重,而人脸的面部表情可以为它们提供很多的信息。例如在医疗监护方面,开发一个表情监护***,通过实时监测病人表情的变化来分析病人此时此刻的心理变化和生理状态,若发现病人有痛苦或者不良情绪时,就可以及时地通知医护人员进行处理;在煤矿生产过程中,井下矿工情绪低落、在工作过程中疲劳或者走神,都会影响其工作效率,甚至导致事故发生,如果能够通过计算机实现人脸表情识别,就能更好地掌握井下工作人员的情绪状态,从而及时发现问题,消除事故隐患;在开车过程中,经常会出现疲劳驾驶的情况,此时若能够实时观测驾驶人的表情状态,在其面部出现疲劳表情时及时地加以提醒,便可以防患于未然,防止交通事故的发生。
发明内容
为了克服上述问题,本发明提供一种微表情分析研判***。
本发明的技术方案是提供一种微表情分析研判***,其特征在于,其包括训练单元和测试单元;所述训练单元的微表情分析包括如下步骤:
(1)开始训练;
(2)进行人脸检测和切割的训练;
(3)采用多层异构神经网络来提取人脸微表情特征进行训练;
(4)进行人脸表情分析的训练;
(5)结束训练;
所述测试单元的微表情分析包括如下步骤:
(1)开始测试;
(2)进行人脸检测和切割的测试;
(3)采用多层异构神经网络来提取人脸微表情特征进行测试;
(4)训练人脸表情分析;
(5)结束训练。
进一步的,所述***还包括有表情数据库,包括各类多种且具有代表性的表情所构成的资料信息库,所述训练单元和所述测试单元连接所述表情数据库。
进一步的,所述表情数据库连接人脸表情特征提取模块,所述人脸表情特征提取模块包括多层异构神经网络,采用所述异构神经网络提取人脸微表情特征,能够让***自主地从样本数据中学习到表示这些微表情的本质特征。
本发明的有益效果是:本发明的一种微表情分析研判***通过训练单元和测试单元的训练步骤及测试步骤进行大量的训练和测试,能实时、准确的给出刺激下的被测试人情绪结果,给调查者及时有效的参考信息,调查者可以进一步围绕该表情所对应的刺激获得更多的线索,从而提高调查质量。
附图说明
图1是本发明的一种微表情分析研判***的示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施例,进一步阐述本发明。
如图1所示,本发明的一种微表情分析研判***,其特征在于,其包括训练单元和测试单元;所述训练单元的微表情分析包括如下步骤:
(1)开始训练;
(2)进行人脸检测和切割的训练;
(3)采用多层异构神经网络来提取人脸微表情特征进行训练;
(4)进行人脸表情分析的训练;
(5)结束训练;
所述测试单元的微表情分析包括如下步骤:
(1)开始测试;
(2)进行人脸检测和切割的测试;
(3)采用多层异构神经网络来提取人脸微表情特征进行测试;
(4)训练人脸表情分析;
(5)结束训练。
进一步的,所述***还包括有表情数据库,包括各类多种且具有代表性的表情所构成的资料信息库,所述训练单元和所述测试单元连接所述表情数据库。
进一步的,所述表情数据库连接人脸表情特征提取模块,所述人脸表情特征提取模块包括多层异构神经网络,采用所述异构神经网络提取人脸微表情特征,能够让***自主地从样本数据中学习到表示这些微表情的本质特征。
本发明的一种微表情分析研判***通过训练单元和测试单元的训练步骤及测试步骤进行大量的训练和测试,能实时、准确的给出刺激下的被测试人情绪结果,给调查者及时有效的参考信息,调查者可以进一步围绕该表情所对应的刺激获得更多的线索,从而提高调查质量。
以上实施例仅为本发明其中的一种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种微表情分析研判***,其特征在于,其包括训练单元和测试单元;所述训练单元的微表情分析包括如下步骤:
(1)开始训练;
(2)进行人脸检测和切割的训练;
(3)采用多层异构神经网络来提取人脸微表情特征进行训练;
(4)进行人脸表情分析的训练;
(5)结束训练;
所述测试单元的微表情分析包括如下步骤:
(1)开始测试;
(2)进行人脸检测和切割的测试;
(3)采用多层异构神经网络来提取人脸微表情特征进行测试;
(4)训练人脸表情分析;
(5)结束训练。
2.根据权利要求1所述的一种微表情分析研判***,其特征在于:所述***还包括有表情数据库,包括各类多种且具有代表性的表情所构成的资料信息库,所述训练单元和所述测试单元连接所述表情数据库。
3.根据权利要求2所述的一种微表情分析研判***,其特征在于:所述表情数据库连接人脸表情特征提取模块,所述人脸表情特征提取模块包括多层异构神经网络,采用所述异构神经网络提取人脸微表情特征,能够让***自主地从样本数据中学习到表示这些微表情的本质特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910762116.1A CN110569742A (zh) | 2019-08-19 | 2019-08-19 | 一种微表情分析研判*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910762116.1A CN110569742A (zh) | 2019-08-19 | 2019-08-19 | 一种微表情分析研判*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110569742A true CN110569742A (zh) | 2019-12-13 |
Family
ID=68775690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910762116.1A Pending CN110569742A (zh) | 2019-08-19 | 2019-08-19 | 一种微表情分析研判*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569742A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488974A (zh) * | 2013-09-13 | 2014-01-01 | 南京华图信息技术有限公司 | 基于模拟生物视觉神经网络的人脸表情识别方法及*** |
CN104318221A (zh) * | 2014-11-05 | 2015-01-28 | 中南大学 | 一种基于elm的人脸表情识别方法 |
CN106529494A (zh) * | 2016-11-24 | 2017-03-22 | 深圳市永达电子信息股份有限公司 | 一种基于多摄像头机型的人脸识别方法 |
CN106599800A (zh) * | 2016-11-25 | 2017-04-26 | 哈尔滨工程大学 | 一种基于深度学习的人脸微表情识别方法 |
US20170357847A1 (en) * | 2016-06-10 | 2017-12-14 | Marwan Jabri | Biologically inspired apparatus and methods for pattern recognition |
CN107679526A (zh) * | 2017-11-14 | 2018-02-09 | 北京科技大学 | 一种人脸微表情识别方法 |
CN107679580A (zh) * | 2017-10-21 | 2018-02-09 | 桂林电子科技大学 | 一种基于多模态深度潜在关联的异构迁移图像情感极性分析方法 |
CN108073910A (zh) * | 2017-12-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 用于生成人脸特征的方法和装置 |
CN109376692A (zh) * | 2018-11-22 | 2019-02-22 | 河海大学常州校区 | 面向人脸表情识别的迁移卷积神经网络方法 |
-
2019
- 2019-08-19 CN CN201910762116.1A patent/CN110569742A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488974A (zh) * | 2013-09-13 | 2014-01-01 | 南京华图信息技术有限公司 | 基于模拟生物视觉神经网络的人脸表情识别方法及*** |
CN104318221A (zh) * | 2014-11-05 | 2015-01-28 | 中南大学 | 一种基于elm的人脸表情识别方法 |
US20170357847A1 (en) * | 2016-06-10 | 2017-12-14 | Marwan Jabri | Biologically inspired apparatus and methods for pattern recognition |
CN106529494A (zh) * | 2016-11-24 | 2017-03-22 | 深圳市永达电子信息股份有限公司 | 一种基于多摄像头机型的人脸识别方法 |
CN106599800A (zh) * | 2016-11-25 | 2017-04-26 | 哈尔滨工程大学 | 一种基于深度学习的人脸微表情识别方法 |
CN107679580A (zh) * | 2017-10-21 | 2018-02-09 | 桂林电子科技大学 | 一种基于多模态深度潜在关联的异构迁移图像情感极性分析方法 |
CN107679526A (zh) * | 2017-11-14 | 2018-02-09 | 北京科技大学 | 一种人脸微表情识别方法 |
CN108073910A (zh) * | 2017-12-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 用于生成人脸特征的方法和装置 |
CN109376692A (zh) * | 2018-11-22 | 2019-02-22 | 河海大学常州校区 | 面向人脸表情识别的迁移卷积神经网络方法 |
Non-Patent Citations (3)
Title |
---|
付晓峰等: "小数据样本深度迁移网络自发表情分类", 《中国图象图形学报》 * |
李文书等: "微表情识别方法综述", 《人类工效学》 * |
胡继胜等: "基于BP神经网络的人脸表情识别", 《微型机与应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102499676B (zh) | 基于有效时间序列和电极重组的脑电信号分类***和方法 | |
CN101474070B (zh) | 一种脑电信号中眼电伪迹的去除方法 | |
CN102508545B (zh) | 一种视觉P300-Speller脑-机接口方法 | |
CN104978035B (zh) | 基于体感电刺激诱发p300的脑机接口***及其实现方法 | |
CN105877766A (zh) | 一种基于多生理信号融合的精神状态检测***及方法 | |
CN103699226A (zh) | 一种基于多信息融合的三模态串行脑-机接口方法 | |
Ferrez et al. | Error-related EEG potentials in brain-computer interfaces | |
CN106128032A (zh) | 一种疲劳状态监测及预警方法及其*** | |
CN104503592A (zh) | 头部动作确定方法和装置 | |
CN103610447A (zh) | 一种基于前额脑电信号的脑力负荷在线检测方法 | |
Noghabaei et al. | Hazard recognition in an immersive virtual environment: Framework for the simultaneous analysis of visual search and EEG patterns | |
CN107679636A (zh) | 一种基于网约车的驾驶员安全评估方法 | |
CN110931125A (zh) | 用于脑卒中的判别信号识别方法及装置 | |
CN110569742A (zh) | 一种微表情分析研判*** | |
CN106990835B (zh) | 一种运动训练评估方法及装置 | |
CN108962379B (zh) | 一种脑神经***疾病的手机辅助检测*** | |
Shanmuga Sundari et al. | Neurological disease prediction using impaired gait analysis for foot position in cerebellar ataxia by ensemble approach | |
CN113331840B (zh) | 一种抑郁情绪脑电波信号识别***及方法 | |
EP4167128A1 (en) | Signal analysis method and system based on model for acquiring and identifying noise panoramic distribution | |
CN110569741A (zh) | 一种基于人工智能的表情识别*** | |
CN106371590A (zh) | 基于OpenVIBE的高性能运动想象在线脑机接口*** | |
CN107669267B (zh) | 一种基于深度学习的脑电信号开锁***及方法 | |
Zhang et al. | Fatigue Driving Detection of EEG Signals by LSTM Deep Neural Network with LPSD and DE | |
Antony et al. | A review on efficient EEG pattern recognition using machine learning and deep learning methods and its application | |
CN107562209A (zh) | 适用于残疾人的电脑控制设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191213 |
|
RJ01 | Rejection of invention patent application after publication |