買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中山大學申請的專利基于面部神態識別的老年人身心狀態實時評估方法與系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114639140B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210163068.6，技術領域涉及：G06V40/16；該發明授權基于面部神態識別的老年人身心狀態實時評估方法與系統是由王若梅;周凡;蘇卓設計研發完成，并于2022-02-22向國家知識產權局提交的專利申請。

本基于面部神態識別的老年人身心狀態實時評估方法與系統在說明書摘要公布了：本發明公開了一種基于面部神態識別的老年人身心狀態實時評估方法與系統。包括：搭建基于注意力模塊的面部表情識別網絡框架，基于注意力模塊的面部表情識別網絡框架包括圖像序列、三維卷積Conv3D、三維殘差塊3DResidualBlock、全連接層FC、基于交叉熵損失的Softmax分類器及高效注意力模塊EAMBlock；根據用戶需求構建訓練數據集；輸入構建好的訓練數據集對面部表情識別模型進行訓練；將待處理的老人面部表情的視頻輸入訓練好的面部表情識別模型，確定老人的情緒或身心狀態。本發明通過構建用于人臉情緒識別的高效注意力模塊EAM，對通道和視頻不同幀的信息特征進行建模，提高了網絡對重要信息的關注度，更加準確和高效地根據老人面部表情視頻識別老人身心狀態。

本發明授權基于面部神態識別的老年人身心狀態實時評估方法與系統在權利要求書中公布了：1.一種基于面部神態識別的老年人身心狀態實時評估方法，其特征在于，所述方法包括： 搭建基于注意力模塊的面部表情識別網絡框架，所述基于注意力模塊的面部表情識別網絡框架包括圖像序列、三維卷積Conv3D、三維殘差塊3DResidualBlock、全連接層FC、基于交叉熵損失的Softmax分類器Softmax、高效注意力模塊EAMBlock； 根據用戶的需求構建訓練數據集，在收集大量的老人面部表情的視頻之后，給它們標上憤怒、厭惡、恐懼、快樂、悲傷或驚訝的正確標簽，即構造出訓練數據集； 將構建好的所述訓練數據集輸入所述基于注意力模塊的面部表情識別網絡中，得到估計的情緒標簽，之后利用構建好的交叉熵損失函數計算估計的情緒標簽和視頻正確的情緒標簽之間的損失，然后反向更新網絡模型的參數，重復該步驟多次得到訓練好的面部表情識別模型； 將待處理的老人面部表情的視頻輸入所述訓練好的面部表情識別模型中，得到輸出的情緒標簽，根據標簽確定老人的情緒或身心狀態； 其中，所述搭建基于注意力模塊的面部表情識別網絡框架，所述基于注意力模塊的面部表情識別網絡框架包括圖像序列、三維卷積Conv3D、三維殘差塊3DResidualBlock、全連接層FC、基于交叉熵損失的Softmax分類器Softmax、高效注意力模塊EAMBlock，具體為： 所述基于注意力模塊的面部表情識別網絡框架的輸入是圖像序列I∈RH×W×T×3，即包含老人面部表情的視頻，其中T表示視頻的幀數，3表示視頻一幀的通道數為3，輸出是情緒標簽，設置情緒標簽為憤怒、厭惡、恐懼、快樂、悲傷和驚訝六個標簽； 設計所述三維卷積操作，用于提取淺層特征，所述淺層特征屬于動態特征，是一種包含時間維度的視頻特征，用其表示面部表情視頻中的面部元素、肌肉運動信息，將提取的特征記作Cout表示輸出的通道數，取32，后續包含三個三維殘差塊以及三個EAM注意力模塊，最后再經過全連接層的操作以及Softmax層的計算之后得到網絡識別的情緒標簽； 設計所述三維殘差塊結構，所述結構包括兩個卷積層操作，每個卷積層操作之后都進行批處理歸一化BatchNormal和ReLU非線性激活函數，設該結構為第ii＝1,2,3個三維殘差塊結構，其輸入為上一層EAM模塊或是卷積提取的特征Vi-1，輸出的特征Vi R傳入EAM注意力模塊，殘差網絡架構通過增加網絡深度提高圖像分類性能，從而緩解相對較小的訓練數據集的問題； 設計所述高效注意力模塊EAMBlock，所述高效注意力模塊包括通道高效注意力模塊EAM-S和時間高效注意力模塊EAM-T； 設計所述全連接層和Softmax分類器，經過Softmax分類器處理之后得到一個六維的向量，六個維度表示六個不同的情緒，向量的每個元素都是一個概率值，表示老人處于對應心情的概率，概率最大的元素即老人當前的主要情緒。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中山大學，其通訊地址為：510006 廣東省廣州市海珠區新港西路135號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。