双流增强融合网络微表情识别

摘要：

为解决微表情识别领域数据集样本数量少,样本类型分布不均导致识别率鲁棒性差的问题,提出了一种基于双流增强网络的微表情识别模型.该模型基于单帧RGB图像流及光流图像流的双流卷积神经网络,以权威数据集为基础,数据增强为基准,构建微表情识别模型.通过在SoftMax逻辑回归层融合单帧空域信息和光流时域信息,对两个独立流的网络性能进行提升,并通过引入基于带循环约束的生成对抗网络的图像生成方式对数据集进行扩充.通过将输入微表情视频帧序列进行分解,将其分割为双流网络的灰度单帧序列与光流单帧序列,对两类序列图进行数据增强,再进行微表情识别模型构建的方法,有效提高了微表情识别率.基于双流增强网络的微表情识别模型可以较好提升微表情识别准确度,鲁棒性较好,泛化状态较稳定.

关键词：微表情、双流网络、生成对抗网络、数据增强、特征融合、模式识别、卷积神经网络、循环约束

所属期刊栏目：18

分类号：TP39;TH691.9(计算技术、计算机技术)

资助基金：江苏省现代教育技术研究智慧校园专项课题2021-R-96609

在线出版日期：2023-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：360-371