一种浅层双分支卷积神经网络的微表情识别方法

摘要

微表情识别是目前比较热门的研究领域，但微表情存在持续时间短、强度低等问题，导致人们难以通过肉眼捕捉真实情感表达，这也使得微表情特征提取成为研究中的核心挑战。深度神经网络模型的出现，显著推进了面部微表情识别技术的发展。因此，设计一种浅层双分支卷积神经网络：首先，利用卷积神经网络（CNN）,通过局部注意力模块和多尺度模块学习大量静态图像和光流图像，以提取局部和全局特征；其次，采用长短期记忆网络（LSTM）学习图像序列中面部表情的变化；最后，通过CNN和LSTM的决策融合，使模型既能提取面部微表情局部和全局特征，又能整合时间和空间特征。试验结果验证了该模型的有效性：在SMIC、SAMM、CASMEⅡ等7个广泛使用的自发微表情数据集上，与7种算法相比，所提方法在■指标上平均提高19%,在B_UAR指标上平均提高20%。

关键词

微表情识别 / 浅层双分支卷积神经网络 / 长短期记忆网络 / 光流