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！

龙图腾网获悉华南师范大学申请的专利基于面部表情的疼痛识别方法、装置、设备和存储介质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：CN116434305B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310365604.5，技术领域涉及：G06V40/16；该发明授权基于面部表情的疼痛识别方法、装置、设备和存储介质是由梁艳;黄伟聪;周卓沂设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本基于面部表情的疼痛识别方法、装置、设备和存储介质在说明书摘要公布了：本发明提供了基于面部表情的疼痛识别方法、装置、设备和存储介质，该基于面部表情的疼痛识别方法包括：获取待识别人脸视频，并从所述待识别人脸视频中提取AU图像；将所述AU图像输入预先训练好的疼痛识别模型，得到待识别人脸图像的疼痛级别，其将与疼痛相关的AU图像输入预先训练好的疼痛识别模型，可以避免将面部其他与疼痛不相关的区域输入预先训练好的疼痛识别模型，提高了疼痛识别的准确性。

本发明授权基于面部表情的疼痛识别方法、装置、设备和存储介质在权利要求书中公布了：1.基于面部表情的疼痛识别方法，其特征在于，包括： 获取待识别人脸视频，并从所述待识别人脸视频中提取AU图像； 将所述AU图像输入预先训练好的疼痛识别模型，得到待识别人脸图像的疼痛级别； 所述疼痛识别模型包括空间特征提取模块、时序特征提取模块和第一全连接层； 将所述AU图像输入预先训练好的疼痛识别模型，得到待识别人脸图像的疼痛级别包括： 将第t帧所述待识别人脸图像的AU图像输入所述空间特征提取模块，得到第t帧所述待识别人脸图像的空间特征，其中：t＝1,2,…,n； 将n帧所述待识别人脸图像的空间特征输入所述时序特征提取模块，得到所述时序特征； 将所述时序特征输入所述全连接层，得到所述待识别人脸图像的疼痛级别； 所述空间特征提取模块包括m个依次串联的动态DenseGCN图卷积单元； 将所述待识别人脸图像的AU图像输入所述空间特征提取模块，得到所述待识别人脸图像的空间特征为： 将所述待识别人脸图像的AU图像输入第一个所述动态DenseGCN图卷积单元，得到该动态DenseGCN图卷积单元的输出结果； 将所述待识别人脸图像的AU图像、前i-1个所述动态DenseGCN图卷积单元的输出结果中的至少一个输入第i个所述动态DenseGCN图卷积单元，得到第i个所述动态DenseGCN图卷积单元的输出结果，且第m个所述动态DenseGCN图卷积单元的输出结果即为所述待识别人脸图像的空间特征，其中：i＝2,3,…,m； 所述时序特征提取模块包括GRU网络、全局注意力层和第二全连接层； 将所述待识别人脸图像的空间特征输入所述时序特征提取模块，得到所述待识别人脸图像的时序特征包括： 将第t帧所述待识别人脸图像的空间特征分别输入所述GRU网络，得到第t帧所述待识别人脸图像的多个隐藏状态，其中：t＝1,2,…,n； 所述全局注意力层利用第t帧所述待识别人脸图像的最后一个隐藏状态和其他隐藏状态计算第t帧所述待识别人脸图像最后一个隐藏状态的权重αt，且其中：ht为待识别人脸图像的最后一个隐藏状态，hi为待识别人脸图像的其他隐藏状态，wt为用于辅助分析ht和hi相关性的矩阵，其有助于确认与疼痛相关的待识别人脸图像； 所述第二全连接层利用n帧所述待识别人脸图像的最后一个隐藏状态及其权重计算所述时序特征hf，且：其中：αt表示第t帧所述待识别人脸图像的最后一个隐藏状态的权重；ht表示第t帧所述待识别人脸图像的最后一个隐藏状态。

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华南师范大学，其通讯地址为：528225 广东省佛山市南海区狮山南海软件科技园华南师范大学软件学院；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。