结合人脸关键点与光流特征的微表情识别

微表情能反映出人们试图隐藏的真实情感，光流法进行微表情识别时，存在易受光照变化影响而使特征提取不准确的缺陷。针对上述问题提出一种结合人脸关键点与光流特征的微表情识别方法，该方法通过引入人脸关键点分支以忽略光照的影响，弥补光流法的不足，重点关注人脸关键位置的变化，最终建立一个人脸关键点和光流的双输入网络模型。该模型在CASME II和SAMM数据集上使用留一法交叉验证进行了实验，在CASME II上四分类准确率和F1值分别为69.19%和66.24%,相比基准微表情识别方法本方法准确率和F1值分别提升了6.05%和5.44%;在SAMM数据集上也优于现有方法，说明该方法与其他主流算法相比具有更好的识别性能。