可解释时空卷积网络的微表情识别应用
2020-06-28张钥迪
牛 斌,张钥迪,马 利
(辽宁大学 信息学院,辽宁 沈阳 110036)
0 引言
微表情是根据人们在日常生活中情绪变化而产生的无意识的、短暂的自发式面部表情,其最大优势是无法抑制,能够显露出人类试图隐藏的真正情感,且其持续时间短,最短仅持续1/25秒.与一般的面部表情相比,微表情发生时面部肌肉变化范围小、强度低,但却能展现出人类的真实情感,因此,微表情识别在司法审讯[1]、心理咨询[2]、交流谈判[3]等领域具有极大的应用价值.
自19世纪达尔文[4]开始,人类对面部表情的研究逐渐进步.1966年,Haggard等[5]第一次提出了微表情的概念.Ekman等[6]在1969年将面部表情分成六类:快乐、悲伤、惊讶、恐惧、愤怒、厌恶,在2002 年研制出第一个微表情训练工具(Micro Expression Training Tool,METT),并进行了日本人与高加索人短暂表情识别实验(Japanese and Caucasian brief affect recognition test,JACBART).相比于国外,国内的微表情研究起步较晚.傅小兰教授带领其团队制作了CASME和CASME2数据集,为微表情识别领域的发展作出了巨大贡献.2010年,吴奇等[7]从心理学角度对微表情的研究进行了总结,并分析了微表情的应用领域.
2015年之前,微表情识别大部分还是使用手工提取特征(Handcrafted)的方式.Liu等[8]提出一种简单而有效的主方向平均光流(MDMO)特征,基于感兴趣区域标准化统计特征,考虑局部运动信息及空间位置.Lu等[9]提出一种通过将光流差分的水平和垂直分量组合而产生的基于运动边界直方图(FMBH)融合的新特征.近几年,利用深度学习技术来解决图像问题成为研究的热点,采用深度学习方法的微表情识……