计算机应用

作者：牛瑞华, 杨俊, 邢斓馨, 吴仁彪

单位：天津市智能信号与图像处理重点实验室(中国民航大学), 天津 300300

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

基金：中央高校基本科研业务费专项基金资助项目（3122019185）。

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0.720 3和0.729 3，相较于DPN模型分别提高了0.048 9和0.037 9，相较于CapsuleNet模型分别提高了0.068 3和0.078 7。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。

来源：2021年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第9期