计算机工程

作者：刘慧, 郭特, 刘栋, 李颖颖

单位：1. 河南师范大学计算机与信息工程学院, 河南 新乡 4530072. 河南省高校计算智能与数据挖掘工程技术研究中心, 河南 新乡 4530073. 战略支援部队信息工程大学网络空间安全学院, 河南 郑州 450002

关键词：遮挡微表情识别,特征重建,光流,动态图像,降噪自编码器

基金：河南省重大科技专项(221100210600)

微表情是一种心理健康诊断的重要依据, 眼镜、口罩等物体造成的遮挡会导致微表情识别困难。现有遮挡微表情重建方法以RGB纹理信息重建为主, 存在信息大量冗余、难以实现对纹理的精确重建等问题。此外, 重建方法采用的模型多为基于U-Net的对称自编码器和生成对抗网络(GAN)等, 存在浅层的对称结构重建能力有限、对抗损失收敛困难等问题。为此, 提出一种基于量子化降噪自编码器的微表情遮挡区域动态流特征重建方法。首先, 基于光流和动态图像提出光照能量鲁棒的动态流特征表示, 有效聚合所有TVL1光流中的运动信息, 并简化纹理信息; 其次, 基于离散编码的变分自编码器(VQ-VAE)提出一种双层结构向量量子化降噪自编码器(VQ-DAE), 用于微表情的遮挡区域动态流特征重建, 以进行遮挡微表情的识别。实验结果表明, 该方法能较好地重建遮挡区域的运动信息, 在CASME、CAS(ME)2、CASME Ⅱ这3个数据集上的准确率分别达到77.89%、72.02%、61.04%。与传统方法、基于空间注意力及自注意力方法相比, 所提方法在准确率、未加权平均召回率(UAR)、Macro-F1等指标上均有显著的性能提升。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期