一种基于面试中微表情的说谎检测方法
专利汇可以提供一种基于面试中微表情的说谎检测方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于面试中微表情的说谎检测方法，首先模型以皱眉、抬眉毛、抿嘴、嘟嘴、歪头五种表情进行训练，对每一类表情数据打上标签；接着输入脸部微表情的图像到预训练好的以VGG16作为骨干的SSD网络中，让图片经过 卷积神经网络 提取特征，并生成特征图；然后对每个特征图都执行卷积操作来评估默认边界框，对每个边界框预测偏移量和分类概率；接着将不同特征图获得的边界框结合起来，执行非极大值抑制的方法过滤一部分重叠或者不正确的边框，生成最终的边界框集合；最后对检测结果用分类器分类。本发明同时使用高层次和低层次的视觉特征，与人类相比，在预测欺骗方面明显更好；比人类的肉眼的判断不仅速度更快，技术精准度更高。，下面是一种基于面试中微表情的说谎检测方法专利的具体信息内容。
1.一种基于面试中微表情的说谎检测方法，其特征是包括以下步骤：
步骤1、制作数据标签：模型以皱眉、抬眉毛、抿嘴、嘟嘴、歪头五种表情进行训练，对每一类表情数据打上标签；
步骤2、特征提取：输入脸部微表情的图像到预训练好的以VGG16作为骨干的SSD网络中，让图片经过卷积神经网络提取特征，并生成特征图；
步骤3、评估边界：对每个特征图都执行卷积操作来评估默认边界框，对每个边界框预测偏移量和分类概率；
步骤4、重生边界：将不同特征图获得的边界框结合起来，执行非极大值抑制的方法过滤一部分重叠或者不正确的边框，生成最终的边界框集合，即检测结果；
步骤5、结果分类：对检测结果用分类器分类。
2.根据权利要求1所述的一种基于面试中微表情的说谎检测方法，其特征在于，所述步骤1进一步为：
步骤1-1、模型提取皱眉、抬眉毛、抿嘴、嘟嘴、歪头五种人脸图像的特征向量，对人脸图像中每个ground truth，找到与其IOU最大的先验框，该先验框与其匹配，对于剩余的未匹配先验框，若某个ground truth的大于阈值0.5，则该先验框也与这个ground truth进行匹配；
步骤1-2、将人脸图像裁剪为尺寸256×256像素，对像素内的人脸图像进行肤色识别，将单位像素的RGB色彩空间转换为YCrCb色彩空间，将32×32像素的区域定义为一个Block，为每个Block分别建立肤色特征向量；对该图像进行梯度运算，对于连续的图像函数f(x，y)，其在任意像素点(x，y)处的梯度值为矢量：
式中，Gx表示图像沿x方向的梯度，Gy表示图像沿y方向的梯度，梯度幅值是f(x，y)在其最大变化率方向上的单位距离增加的量；
梯度幅值用 表示，表达式如下：
式中，f(x+1，y)表示y方向不变，x方向累加一个像素点的图像函数，f(x，y+1)表示x方向不变，y方向累加一个像素点的图像函数，其它含义同上；
方向角用 表示，表达式如下：
式中，各符号含义同上；
步骤1-3、根据提取出的模型特征作为训练样本，计算输入量与输出量之间关联性的估计函数，训练系统对于不同输出量的预测能力，在函数{f(x，ω)}中求得最优函数f(x，ω0)对变量y与x的关联性估计，并使得期望风险R(ω)为最小值：
式中，f(x，ω)表示预测函数，{f(x，ω)}表示预测函数的集合，ω表示广义参数，L(y，f(x，ω))表示使用函数f(x，ω)对输出量y进行预测与实际输出相比所造成的损失，h表示所预测的函数集的最大训练能力，n为训练样本，η∈[0，1]。
3.根据权利要求1所述的一种基于面试中微表情的说谎检测方法，其特征在于，所述步骤2进一步为：
步骤2-1、选择重要的特征子集，使用压缩搜索空间的启发式算法逼近最优解，该最优解作为特征子集，保留该特征子集并删除其余特征，对特征子集进行降维处理：
式中， 表示在高维数据中第i个样本分布在样本j周围的概率， 表示在低维数据中第i个样本分布在样本j周围的概率，xi表示在高维数据中第i个样本，xj表示在高维数据中第j个样本，xk表示在高维数据中第k个样本，yi表示在低维数据中第i个样本，yj表示在低维数据中第j个样本，yk表示在低维数据中第k个样本，Wi表示第i个输入单元和隐藏单元相关联的权值向量，bi表示与隐藏单元相关联的偏置向量，ai-1表示网络中隐藏层的输入量，f(∑Wiai-1+bi)表示以权值向量、偏置向量、输入量作为变量产生的非线性输入映射函数；
步骤2-2、对每个人脸图像的位置误差和置信度误差加权，得出损失函数：
式中，N表示先验框的正样本数量，c表示类别置信度预测值，l表示先验框所对应边界框的位置预测值，g表示ground truth的位置参数，W表示训练时得到的参数，y是样本真实标签值，m表示训练样本的数量，λ为正则化系数；
其中，αLloc(x，l，g)]的定义如下：
式中，xijk＝1时表示第i个先验框与第j个ground truth的类别为p；
Lconf(x，c)可表示为预测框的损失函数与真实框的损失函数之和再取相反数，公式如下：
式中，前项 表示预测框i与真实框j关于类别p匹配的预测值，后项 表
示预测框没有真实物体时的背景预测值；
步骤2-3、以卷积核大小3×3、步长为1建立第一层卷积，卷积后得到30×30的特征图；
将特征图的输入池化层进行化核大小为2×2、步长为2的最大池化之后，得到大小为15×15的特征图，将得到的15×15的特征图输入到第二层卷积层中，经过卷积核大小为4×4、步长为1的卷积操作之后，输出大小为12×12的特征图：
其中，第一层卷积池的计算步骤如下：
l l
pool1：x1，j(1≤j≤1)＝g(down(x1，j(1≤j≤30)))
第一层向量卷积运算如下：
conv1：xl1＝f(xl·W1，j+b1，j)
第二层卷积池的计算步骤如下：
l l
pool1：x2，j(1≤j≤1)＝g(down(x2，j(1≤j≤1)))
第二层向量卷积运算如下：
conv1：xl2＝f(xl·W2，j+b2，j)
式中，xl1，j表示第1层的第l个输入样本，xl2，j表示第2层的第l个输入样本，downl l
(x1，j(1≤j≤30)表示在第1层的第l个输入样本中的下采样函数，down(x2，j(1≤j≤1)表示在第2层的第l个输入样本中的下采样函数，W1，j表示第1层卷积核的权值，b1，j表示第1层卷积核的偏置，W2，j表示第2层卷积核的权值，b2，j表示第2层卷积核的偏置。
4.根据权利要求1所述的一种基于面试中微表情的说谎检测方法，其特征在于，所述步骤3进一步为：
步骤3-1、采用边框预测公式预测偏移量：
步骤3-2、在步骤3-1的基础上继续计算分类概率：
式中，cx、cy表示grid cell的左上角坐标，tx和ty表示预测的坐标偏移值，dx、dy表示grid cell的右下角坐标，tw和th表示缩放尺度，pw和ph表示预设的anchor box的在feature map上的宽和高，Gw、Gh表示grid cell的左下角坐标。
5.根据权利要求1所述的一种基于面试中微表情的说谎检测方法，其特征在于，所述步骤4进一步为：
步骤4-1、根据检测框与预选取检测框的1oU值与阈值T对比：
式中，μi表示检测框i的比例惩罚因子，IoU(Pm·Pi)表示检测框Pi与置信度分度最大检测框Pm的IoU值，当IoU值小于给定阈值T时，检测框的比例惩罚因子为1。
6.根据权利要求1所述的一种基于面试中微表情的说谎检测方法，其特征在于，所述步骤5进一步为：
步骤5-1、利用高斯核SVM构造出k个独立二元分类器k类数据进行分类，第m个二元分类器通过使用第m类的数据作为正训练样本，其余k-1个数据为负训练样本，对于训练数据xi和对应标签yi，判定函数为：
式中，ωT+b表示分离超平面，ω表示与分离超平面垂直的权向量，b表示超平面的偏置向量，Wi表示第i个输入单元和隐藏单元相关联的权值向量，bi表示与隐藏单元相关联的偏置向量，ai-1表示网络中隐藏层的输入量，m表示训练样本的数量， 表示超平面之间的边缘带；
步骤5-2、添加一个全卷积层，以生成位置敏感分数图的score bank，运行一个全卷积RPN网络，以生成感兴趣区域；
步骤5-3、对于步骤5-2中的感兴趣区域，检查其中的score bank值，判断感兴趣区域是否匹配具体目标的对应位置，一旦每个k2感兴趣区域都具备目标匹配值，则求感兴趣区域的平均值，得到每个类的分数：
scorek(xi)＝wkTxi+b
式中，wkT表示感兴趣区域k的权重矩阵，xi表示第i个训练样本，b表示超平面的偏置向量；
将分数转化为概率值：
式中，m表示模型的采样数， 表示第i个训练样本的第k次迭代；
步骤5-4、对剩下C+1个维度向量进行softmax回归，完成分类。
一种基于面试中微表情的说谎检测方法
技术领域
背景技术
发明内容
具体实施方式
否匹配具体目标的对应位置，一旦每个k 感兴趣区域都具备目标匹配值，则求感兴趣区域的平均值，得到每个类的分数。最好，对剩下C+1个维度向量进行softmax回归，完成分类。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种网络文件传输检测方法、装置和系统 | 2020-05-08 | 868 |
| 信息推送方法及相关产品 | 2020-05-08 | 146 |
| 一种无线体域网能耗和时延加权最小的安全路由选择方法 | 2020-05-08 | 616 |
| 一种基于区块链和竞拍博弈的网络资源安全共享方法 | 2020-05-08 | 20 |
| 带宽压缩中的后选择预测方法 | 2020-05-08 | 536 |
| 用于电力保密数据的大数据云平台安全防护方法 | 2020-05-08 | 666 |
| 直播间弹幕显示方法、存储介质、设备及系统 | 2020-05-08 | 690 |
| 一种基于区块链的去中心化网络架构方法 | 2020-05-08 | 59 |
| 一种VNF实例化方法、装置、设备及存储介质 | 2020-05-11 | 461 |
| 基于LoRa技术的农业病虫防害系统 | 2020-05-08 | 498 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
