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。
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。