买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津理工大学申请的专利一种基于不确定性学习的表情识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117292426B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311322882.9，技术领域涉及：G06V40/16；该发明授权一种基于不确定性学习的表情识别方法及系统是由李菁;胡天宇设计研发完成，并于2023-10-13向国家知识产权局提交的专利申请。

本一种基于不确定性学习的表情识别方法及系统在说明书摘要公布了：本发明公开了一种基于不确定性学习的表情识别方法及系统，包括以下步骤：S1、获取待识别的人脸图像；S2、预处理输入的人脸图像，获取标准化人脸图像；S3、初始化深度学习训练条件；S4、利用多个模块训练表情识别模型，包括人脸特征提取模块、多维特征分类模块、潜在标签分布学习模块和注意力一致性模块，更新模型权重参数；S5、人脸图像通过表情识别模型得到输出表情类别。本发明提出的基于不确定性学习的表情识别方法及系统，通过结合潜在标签分布和注意力一致性方法，解决了野外环境中的人脸表情的不确定性问题，通过挖掘潜在标签分布提高了表情识别的准确性，同时利用生成注意力图方法增强了模型的可解释性。

本发明授权一种基于不确定性学习的表情识别方法及系统在权利要求书中公布了：1.一种基于不确定性学习的表情识别方法，其特征在于，具体步骤如下： 步骤1：利用摄像头和搭建的图像采集软件获取用户的人脸图像，通过人脸检测器和关键点检测器预先处理输入的人脸图像，获取预处理后的标准化人脸图像； 步骤2：初始化深度学习训练条件，获取并载入深度神经网络模型的预训练权重参数，设置深度学习训练参数，预处理用于深度学习训练的大规模人脸表情数据集； 步骤3：利用深度学习方法训练表情识别模型，通过多个模块更新表情识别模型权重参数，具体包括人脸特征提取模块、多维特征分类模块、潜在标签分布学习模块和注意力一致性模块；所述步骤3中表情识别模型训练过程的子步骤为： 步骤3.1：人脸特征提取模块，待识别的人脸图像样本分别通过表情识别模型的主分支和多个辅助分支的人脸特征提取网络，提取人脸图像样本中的人脸特征； 所述人脸特征提取网络为ResNet18残差神经网络，且主分支和辅助分支共享网络权重参数； 步骤3.2：多维特征分类模块，提取的人脸特征分别通过表情识别模型的主分支和多个辅助分支，获取各分支每个类别的预测概率值和注意力图，调整主分支和辅助分支的预测表情类别，更新深度神经网络模型权重参数； 所述表情识别模型的主分支包括一个多类别分类器；所述多类别分类器可以获取待识别人脸图像对于每个类别的概率预测值； 所述表情识别模型的辅助分支包括一个二类分类器，且辅助分支的数量等于表情类别数量；所述二类分类器可以获取待识别人脸图像对于目标类别和其他类别的预测概率值；所述目标类别为二类分类器所在辅助分支进行分类的表情类别，每个辅助分支的目标类别互不相同； 所述注意力图是利用表情识别模型对于每个表情类别的输出概率值与待识别人脸图像进行加权融合，生成的可视化热力图，能够反映模型对于任意预测表情类别在人脸图像上关注的区域； 步骤3.3：潜在分布学习模块，获取每个辅助分支对于各自目标类别的预测概率值，拼接多个预测概率值，平滑概率分布后作为潜在标签分布，然后将潜在标签分布作为真实标签指导主分支学习，更新深度神经网络模型权重参数； 步骤3.4：注意力一致性模块，获取每个辅助分支对于各自目标类别的注意力图，以及主分支对于所有类别的注意力图，拼接多个辅助分支的注意力图，保持主分支和辅助分支的注意力图一致性，更新深度神经网络模型权重参数； 步骤4：将更新权重参数后的深度神经网络模型作为表情识别模型，将待识别的人脸图像输入到表情识别模型，获取模型对于不同表情类别的预测值，输出最大预测概率的表情类别作为表情识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津理工大学，其通讯地址为：300384 天津市西青区宾水西道391号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。