结合空洞卷积的CNN实时微表情识别算法

• 作者: 赖振意 钱育蓉 陈人和
• 来源期刊: 计算机应用研究
• 关键词: 微表情识别 空洞卷积 表情识别 卷积神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3777-3780,3835
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0273

摘要

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.