计算机应用研究

作者：赖振意,陈人和,钱育蓉,

单位：新疆大学软件学院,乌鲁木齐830000；

关键词：微表情识别,空洞卷积,表情识别,卷积神经网络,

基金：国家自然科学基金资助项目(61562086,61966035)；新疆维吾尔自治区教育厅创新团队项目(XJEDU2016S035)；新疆维吾尔自治区自然科学基金资助项目(2018D01C036)；新疆维吾尔自治区研究生创新项目(XJ2019G071,XJ2019G069,XJ2019G072)；；

随着CNN等基于深度特征的人脸自发式微表情识别分类方法逐渐完善，相比于传统的特征提取方法更易满足应用实时性，针对微表情持续时间短、动作幅度细微，在多卷积层叠加会丢失图像中的细微信息的问题，为了完善细节信息，充分提取微表情细微特征，提出结合空洞卷积核及人脸自动校正算法，完善CNN特征提取过程，通过自动人脸矫正适应实际应用中的实时识别分类，在CASME及CASMEⅡ微表情公开数据集上完成模型训练及测试，通过损失函数方案对比提高模型鲁棒性，CASME中准确率为70.16%，CASMEⅡ中准确率为72.26%；实时识别帧率在60 fps。该方法能有效地提高微表情识别准确率，满足实时性要求，且具有较好的鲁棒性和泛化能力。

来源：2020年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第12期