基于归一化唇动分析的说话人定位与视觉噪声抑制方法

本发明属于计算机视觉与多模态情感分析领域，具体是基于归一化唇动分析的说话人定位与视觉噪声抑制方法。针对现有多模态情感分析视觉预处理缺乏系统化噪声抑制流程，真实视频中多人共现、非目标说话人干扰、侧脸遮挡及低光照等复杂条件下，目标说话人面部序列质量难以稳定保障、影响后续视觉特征提取准确性的问题，在不依赖数据集预提取特征的前提下，从原始多人会话视频出发，自动定位目标说话人，并裁剪输出尺寸为224×224、以目标说话人面部为中心的人脸视频片段，从数据源层面系统性地抑制多人共现、非目标说话人干扰、侧脸遮挡。使用的固定阈值均基于训练集和验证集样本开展小规模预实验确定，旨在平衡检测召回率、误检抑制以及轨迹稳定性。