[发明专利]微表情图像精细化分类方法、装置、设备及可读存储介质

权利要求书

1.一种微表情图像精细化分类方法，其特征在于，包括：

获取待分类微表情图像；

将所述待分类微表情图像输入预先构建的微表情图像分类模型，输出微表情图像面部单元分类结果。

2.根据权利要求1所述的一种微表情图像精细化分类方法，其特征在于，所述微表情图像分类模型的构建方法为：

获取微表情图像以及微表情图像面部单元标签类别，对所述微表情图像进行预处理；

将预处理后的微表情图像以及微表情图像面部单元标签类别分为训练集和验证集；

利用训练集训练基于注意力机制的双路径卷积神经网络，得到所述微表情图像分类模型，所述微表情图像分类模型输出微表情面部单元图像分类结果。

3.根据权利要求2所述的一种微表情图像精细化分类方法，其特征在于，所述微表情图像分类模型构建时，以CASME、CASME2和CAS(ME)^2数据集作为原始数据集，进行面部单元编码。

4.根据权利要求2所述的一种微表情图像精细化分类方法，其特征在于，所述对所述微表情图像进行预处理，具体包括：

对微表情图像进行人脸检测与人脸对齐，人脸检测采用基于Pytorch实现MTCNN网络，获取人脸定位点Landmark；MTCNN网络由三个级联网络P-Net、R-Net和O-Net组成，采用候选框加分类器输出人脸的五个关键点坐标；

根据MTCNN网络输出的人脸的五个关键点坐标，采用仿射矩阵将人脸关键点进行对齐，并进行人脸归一化处理，输出处理后的微表情图像；

对处理后的微表情图像进行人脸裁剪，去除与人脸不相关的信息，得到最终的微表情图像。

5.根据权利要求2所述的一种微表情图像精细化分类方法，其特征在于，所述注意力机制的双路径卷积神经网络中，注意力机制采用Coordinate Attention机制，双路径卷积神经网络由密集网络与残差网络构成。

6.根据权利要求2所述的一种微表情图像精细化分类方法，其特征在于，所述微表情图像分类模型的构建方法还包括：

将验证集输入训练好的所述微表情图像分类模型，输出验证集对应的微表情面部单元图像分类结果；

将验证集对应的微表情面部单元图像分类结果与期望输出的微表情面部单元图像分类结果进行比对，若比对后的正确率小于预设正确率，则用训练集继续训练基于注意力机制的双路径卷积神经网络，直到比对后的正确率不小于预设正确率。

7.一种微表情图像精细化分类装置，其特征在于，包括：

获取模块，用于获取待分类微表情图像；

输出模块，用于将所述待分类微表情图像输入预先构建的微表情图像分类模型，输出微表情图像面部单元分类结果。

8.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述一种微表情图像精细化分类方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项的一种微表情图像精细化分类方法的步骤。