基于卷积注意力模块和双通道网络的微表情识别算法

摘要：

微表情是一种人类在试图隐藏自己真实情感时作出的面部动作,具有持续时间短、幅度小的典型特点.针对微表情识别难度大、识别效果不理想的问题,提出一种基于卷积注意力模块(CBAM)和双通道网络(DPN)的微表情识别算法——CBAM-DPN.首先,进行典型微表情数据集的数据融合;然后,分析序列帧中像素的变化值以确定顶点帧位置,再对顶点帧进行图像增强处理;最后,基于CBAM-DPN对图像增强后的微表情顶点帧进行特征的有效提取,并构建分类器对微表情进行识别.优化后模型的未加权F1值(UF1)和未加权平均召回率(UAR)分别可以达到0.7203和0.7293,相较于DPN模型分别提高了0.0489和0.0379,相较于CapsuleNet模型分别提高了0.0683和0.0787.实验结果表明,CBAM-DPN算法融合了CBAM和DPN的共同优势,可增强微小特征的信息提取能力,有效改善微表情识别性能.

关键词：微表情识别、双通道网络、卷积注意力模块、顶点帧、结构优化

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项基金资助项目3122019185

在线出版日期：2021-09-22（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：2552-2559