计算机工程

作者：梁正友, 刘德志, 孙宇

单位：1. 广西大学 计算机与电子信息学院, 南宁 530004;2. 广西多媒体通信与网络技术重点实验室, 南宁 530004

关键词：微表情识别,深度学习,卷积神经网络,迁移学习,光流法

基金：国家自然科学基金（61763002）。

针对现有微表情自动识别方法准确率较低及微表情样本数量不足的问题，提出一种融合迁移学习技术与可分离三维卷积神经网络（S3D CNN）的微表情识别方法。通过光流法提取宏表情和微表情视频样本的光流特征帧序列，利用宏表情样本的光流特征帧序列对S3D CNN进行预训练，并采用微表情样本的光流特征帧序列微调模型参数。S3D CNN网络由二维空域卷积层及添加一维时域卷积层的可分离三维卷积层构成，比传统的三维卷积神经网络具有更好的学习能力，且减少了模型所需的训练参数和计算量。在此基础上，采用迁移学习的方式对模型进行训练，以缓解微表情样本数量过少造成的模型过拟合问题，提升模型的学习效率。实验结果表明，所提方法在CASME II微表情数据集上的识别准确率为67.58%，高于MagGA、C3DEvol等前沿的微表情识别算法。

来源：2022年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第1期