技術(shù)特征：

1.一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，在步驟a中，對微表情視頻進行預(yù)處理，該步驟包括：

3.根據(jù)權(quán)利要求1所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，在步驟a中，人臉對齊后進行人臉矯正，包括：

4.根據(jù)權(quán)利要求1所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，在步驟b中，面部關(guān)鍵幀差異定義為峰值幀xσ與起始幀x1之間的差像素差，如式(1)所示：

5.根據(jù)權(quán)利要求1所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，在步驟c中，面部運動模式特征提取主網(wǎng)絡(luò)利用步驟b得到的面部關(guān)鍵幀差異，使用resnet對面部關(guān)鍵幀差異進行微表情信息的進一步學(xué)習(xí)及建模；包括：

6.根據(jù)權(quán)利要求1所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，構(gòu)建梯度隔離漏電積分注意力模塊，增強對捕捉面部肌肉活動中的微妙變化的能力；梯度隔離漏電積分注意力模塊中，包括漏電積分注意力及梯度隔離。

7.根據(jù)權(quán)利要求6所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，脈沖神經(jīng)元根據(jù)輸入的運動特征計算漏電積分注意力，包括：

8.根據(jù)權(quán)利要求6所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，計算漏電積分注意力，具體實現(xiàn)過程如下：

9.根據(jù)權(quán)利要求6-8任一所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，梯度隔離，具體實現(xiàn)過程如下：

10.根據(jù)權(quán)利要求1所述的一種基于梯度隔離漏電積分注意力的面部運動模式提取的微表情識別方法，其特征在于，對待識別的微表情視頻預(yù)處理后輸入訓(xùn)練好的面部運動模式特征提取主網(wǎng)絡(luò)及梯度隔離漏電積分注意力模塊，實現(xiàn)微表情分類識別；包括：

技術(shù)總結(jié)
本發(fā)明涉及一種基于梯度隔離漏電積分注意力的微表情識別方法，包括：A、對微表情視頻進行預(yù)處理；B、從步驟A項預(yù)處理后視頻序列中挑出峰值幀與起始幀，并對其進行像素差運算，得到面部關(guān)鍵幀差異；C、構(gòu)建面部運動模式特征提取主網(wǎng)絡(luò)；D、構(gòu)建梯度隔離漏電積分注意力模塊，增強對捕捉面部肌肉活動中的微妙變化的能力；E、模型訓(xùn)練；F、對待識別的微表情視頻預(yù)處理后輸入訓(xùn)練好的面部運動模式特征提取主網(wǎng)絡(luò)及梯度隔離漏電積分注意力模塊，實現(xiàn)微表情分類識別。本發(fā)明利用微表情視頻樣本峰值幀與起始幀的差異信息，集中的處理由于面部細微運動而產(chǎn)生的代表性特征。

技術(shù)研發(fā)人員：賁晛燁,姚云鵬,劉永進,徐尊曉,楊剛強,楊明強
受保護的技術(shù)使用者：山東大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9