基于STA-LSTM的自发微表情识别算法

作     者：李大湘 陈梦思 刘颖 LI Da-xiang;CHEN Meng-si;LIU Ying

作者机构：西安邮电大学通信与信息工程学院西安710121 西安邮电大学电子信息现场勘验应用技术公安部重点实验室西安710121 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2022年第52卷第4期

页      面：897-909页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1002[医学-临床医学] 08[工学] 081203[工学-计算机应用技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61571361) 陕西省自然科学基金项目(2017KW-013) 西安邮电大学研究生创新及联合培养工作站基金项目(CXJJLD2019018,YJGJ201902)。 

主　　题：计算机应用 微表情识别 长短时记忆 空间注意力 时间注意力 

摘      要：针对目前多数人心理状态处于亚健康的问题,设计了一种基于时空注意力的双向长短时记忆(LSTM)网络,以实现微表情图像特征提取及识别,从而了解人们试图掩饰的情绪。该网络由双向LSTM模块、空间注意力模块及时间注意力模块三大部分组成。将微表情视频图像作为输入,所学习的网络能够有选择性地聚焦于每帧有显著区别的动作单元,并对不同帧给予不同程度的关注度。同时,考虑到模块之间的相关性,还设计一个新的正则化的交叉熵损失函数,进一步优化网络。最后,在CASME、CASMEⅡ、CAS(ME)^(2)、SAMM四个数据集上进行了对比实验。实验结果表明,本文方法能够提高微表情识别的精度,优于其他方法。