一种基于CNN与LSTM结合的微表情识别算法

作者：吴进^*; 闵育; 马思敏; 张伟华

来源：电讯技术, 2020, 60(01): 1-7.

• 微表情识别
• 深度学习
• 卷积神经网络
• 长短期记忆网络
• 批量归一化算法
• 丢弃法

微表情表现强度微弱且非常短暂。针对微表情识别效果不理想的问题,以视觉几何组(Visual Geometry Group,VGG)网络为基础,提出卷积神经网络(Convolutionnal Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)结合的识别算法。CNN提取数据集CASME Ⅱ的空域特征,LSTM处理时域特征,实现空域与时域特征的结合。针对深度学习训练困难以及过拟合问题,加入批量归一化算法与丢弃法,提高网络训练速度,有效防止过拟合。针对数据集稀缺的问题,固定每次读取帧序列的长度,随机生成起始帧的位置,不断循环读取以遍历整个数据集并达到数据扩增。根据实验结果,五类微表情(高兴、惊讶、厌恶、抑郁、其他)识别率最高可达72. 3%。

• 单位
  电子工程学院; 西安邮电大学