何景琳,梁正友,2,孙 宇,刘德志

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)

1 引言

微表情是指人们尽最大努力抑制真实表情的视频片段.微表情被内心真实情绪激发所产生,难以抑制或伪造,所以可以更准确地反映人内心的真情实感,能够作为测谎的重要依据,在心理治疗、刑事审问和国家安全等领域有广阔的应用前景.

微表情的持续时间短,仅为1/25 ～1/3 s[1],并且动作幅度小.尽管能够通过人力进行识别,但识别的准确率并不高,经过培训的人员识别准确率不超过50%[2].因此,近年来大量研究人员提出了利用计算机视觉和机器学习算法进行微表情自动识别.

最先用于微表情识别的是基于手工描述特征的识别方法.Pfister 等[3]提出LBP-TOP 手工描述特征识别方法,通过在3 个正交平面中组合局部二进制模式方法来描述自发式微表情的特征并进行识别.Wang 等[4]提出的LBP-SIP 方法是在LBP-TOP 的基础上在所有相邻点中选取6 个点,而 LBP-MOP 方法[5]沿3 个正交平面仅提取了3 个平均图像,这两种方法都减低了数据的冗余度.Huang 等[6]提出了时空全局部量化模式(STCLQP)的微表情分析方法,该方法在进行微表情识别时考虑了更多信息,如信号、大小和方向因素.Huang等[7]提出时空域局部二值模式整体映射STLBPIP 的方法,在不同图像上取得水平和垂直的整体映射,保留人脸图像的形状属性,并使用LBP 提取在水平和垂直方向映射上的外观和动作特征.在CASME Ⅱ数据集上取得59.26%的识……