一种基于聚类进行跨域面部表情识别的自闭症诊断方法

本发明公开了一种基于聚类进行跨域面部表情识别的自闭症诊断方法，包含以下步骤：S1‑S4是源域模型训练部分。S1、获取源域面部表情图像；S2、使用大模型CLIP初始化预训练模型，并预处理输入的人脸图像；S3、初始化深度学习训练条件，冻结大模型参数只训练Adapter和分类模块；S4、模型经过训练后可分类面部表情图像，也得到了一个训练完成的源域模型权重；S5‑S10是目标域模型训练以及自闭症诊断部分。S5、输入每个儿童的面部视频(图像序列)；S6、使用训练完成的源域模型权重初始化模型，预处理无标签的面部图像；S7、训练深度学习模型，冻结大模型参数只训练Adapter和分类模块；S8、根据模型分类的表情以及面部特征，经过基于聚类的动态伪标签生成模块进行领域自适应。S9、使用领域自适应后的模型，分类面部表情序列，使用长短期记忆网络进行自闭症分类；S10、得出诊断结果。