基于像素特征的微表情识别

摘要：

微表情持续时间短、表达强度低,给训练有效模型带来了挑战.针对此问题,提出了一种基于像素特征的微表情识别方法.对图像序列的面部区域进行裁剪,消除背景噪声;将每一帧的像素矩阵与第一帧(中性表情)做差处理,提取面部变化;对做差的结果累加,进一步突出面部表情;使用搭建的浅层CNN网络进行分类.在3个公共微表情数据集组成的交叉数据集上进行K折(K-fold)交叉验证实验中,所提方法的3个评价指标ACC(accura-cy)、UF1(unweighted F1-score)和UAR(unweighted Average Recall)分别达到了0.8304、0.7827和0.7944,表明了该方法的有效性.与LBP-TOP等8个模型的对比实验中,所提方法的指标明显优于对比模型,验证了该方法的优越性.

关键词：微表情识别、卷积神经网络、交叉数据集、特征提取

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市教委科学技术重点研究项目;重庆市自然科学基金

在线出版日期：2023-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1013-1020