文献类型：期刊文章

作　　者：陈斌[1] 朱晋宁[1]

CHEN Bin;ZHU Jinning(Informatization Office,Nanjing Normal University,210046,China)

机构地区：[1]南京师范大学信息化建设管理处,江苏南京210046

出　　处：《智能系统学报》

基　　金：江苏省现代教育技术研究2021年度智慧校园专项课题(2021-R-96609)。

年　　份：2023

卷　　号：18

期　　号：2

起止页码：360-371

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决微表情识别领域数据集样本数量少,样本类型分布不均导致识别率鲁棒性差的问题,提出了一种基于双流增强网络的微表情识别模型。该模型基于单帧RGB图像流及光流图像流的双流卷积神经网络,以权威数据集为基础,数据增强为基准,构建微表情识别模型。通过在SoftMax逻辑回归层融合单帧空域信息和光流时域信息,对两个独立流的网络性能进行提升,并通过引入基于带循环约束的生成对抗网络的图像生成方式对数据集进行扩充。通过将输入微表情视频帧序列进行分解,将其分割为双流网络的灰度单帧序列与光流单帧序列,对两类序列图进行数据增强,再进行微表情识别模型构建的方法,有效提高了微表情识别率。基于双流增强网络的微表情识别模型可以较好提升微表情识别准确度,鲁棒性较好,泛化状态较稳定。

关 键 词：微表情  双流网络  生成对抗网络  数据增强  特征融合  模式识别 卷积神经网络 循环约束  

分 类 号：TP39] TH691.9[计算机类]