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！

龙图腾网获悉宁波春建电子科技有限公司申请的专利基于头姿和面部关键点的表情识别模型训练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：CN120913009B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511416597.2，技术领域涉及：G06V10/774；该发明授权基于头姿和面部关键点的表情识别模型训练方法及系统是由母焰;王臣豪;黄延浩;朱东红设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本基于头姿和面部关键点的表情识别模型训练方法及系统在说明书摘要公布了：本发明提供了一种基于头姿和面部关键点的表情识别模型训练方法及系统，训练方法包括：先获取同一目标对象多帧训练图像及对应头部姿态作为训练数据；接着对数据预处理，基于多层感知机构建双帧训练网络模型；随后导入预处理后数据，选任意两帧图像混合训练，获取不同数据间共同与差异特性；在训练过程或完成后，选两帧未经训练的图像验证训练效果；若验证结果与导入图像相同，模型训练完成。本发明解决的技术问题是：现有训练集中于正视场景，非正视姿态下面部特征变化易致判断偏差；且个体五官差异大，部分人正常特征与他人非正常表情接近，传统模型多人混合训练未针对个体优化，依赖通用阈值，易将生理差异误判为表情变化，导致识别错误。

本发明授权基于头姿和面部关键点的表情识别模型训练方法及系统在权利要求书中公布了：1.一种基于头姿和面部关键点的表情识别模型训练方法，其特征在于，包括： 获取同一目标对象的多帧训练图像以及每帧所述训练图像对应的头部姿态，记作训练数据； 将所述训练数据进行预处理，并基于多层感知机构建双帧训练网络模型； 将预处理后的所述训练数据导入所述双帧训练网络模型，并选择任意两帧所述训练图像进行混合训练，以获取不同所述训练数据之间的共同特性和差异特性； 在所述混合训练过程中，和或，在所述混合训练完成后，选择任意两帧未经训练的所述训练图像进行训练效果验证； 若验证结果与所导入的所述训练图像相同，则所述双帧训练网络模型训练完成； 所述获取同一目标对象的多帧训练图像以及每帧所述训练图像对应的头部姿态，记作训练数据，包括： 对任一单帧所述训练图像均进行人脸模型识别，并框选图像训练区；所述图像训练区中至少包含一对训练元素； 围绕所述训练元素设置多个轮廓点； 在任一单帧所述训练图像中建立头部姿态坐标系，并获取所述训练图像对应的头部姿态坐标； 基于单帧所述训练图像中多个所述轮廓点和该单帧所述训练图像所对应的所述头部姿态坐标建立单帧图像数据关联，并生成该所述训练图像所对应的单帧训练数据； 其中，所述训练元素包括任一面部特征； 所述将所述训练数据进行预处理，包括： 将多个所述轮廓点的坐标进行归一化处理，以得到第一数据； 将所述头部姿态坐标进行归一化处理，以得到第二数据； 所述基于单帧所述训练图像中多个所述轮廓点和该单帧所述训练图像所对应的所述头部姿态坐标建立单帧图像数据关联，包括： 将所述第一数据和所述第二数据进行拼接处理，以形成单帧所述训练图像的所述单帧训练数据； 所述将预处理后的所述训练数据导入所述双帧训练网络模型，并选择任意两帧所述训练图像进行混合训练，以获取不同所述训练数据之间的共同特性和差异特性,包括： 挑选任意两个所述单帧训练数据进行组队训练，以获取双帧训练数据；其中，所述组队训练包括将所挑选的两个所述单帧训练数据进行拼接处理； 将所述双帧训练数据导入所述双帧训练网络模型； 控制所述双帧训练网络模型对所述双帧训练数据中所述训练元素进行对比学习，以获取所选的两个所述单帧训练数据的共同特性和差异特性； 控制所述双帧训练网络模型输出所述双帧训练数据的识别结果； 其中，所述共同特性至少包括同一表情在不同头部姿态下相邻两个所述轮廓点之间的相对距离；所述差异特性至少包括不同表情在相同头部姿态下所述轮廓点之间的相对距离。

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宁波春建电子科技有限公司，其通讯地址为：315000 浙江省宁波市高新区梅景路118号甬港现代科技园2号楼2层；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。