科研之友
微信
新浪微博
Facebook
分享链接
摘要
微表情是一种人类在试图隐藏自己真实情感时做出的面部动作，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，在双通道网络（DPN）的基础上提出一种基于双通道注意力机制（CBAM-DPN）的微表情识别模型。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等处理；最后，基于CBAM-DPN网络对图像增强后的微表情顶点帧进行特征的有效提取，构建分类器对微表情进行识别。网络优化后未加权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，相比DPN方法分别提高了0.048 9和0.037 9；相比CapsuleNet方法分别提高了0.068 3和0.078 7。实验结果表明，CBAM-DPN算法融合了DPN和CBAM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。
- 单位
