基于光流和集成时-空-通道注意力的ResNet-10的微表情识别模型

针对一般模型很难捕捉微表情不同尺度上的特征,提出一种基于LiteFlowNet和改进的ResNet-10的微表情识别网络以充分提取微表情不同维度信息。先通过欧拉视频放大技术(EVM)突出面部微小动作,再将处理后的数据通过轻量级光流估计网络LiteFlowNet提取视频帧中的运动信息。在用于特征提取的ResNet-10上引入三维注意力机制(3D-Attention),以适应性地聚焦于微表情视频中最具辨别力的通道、空间和时间特征。实验结果验证了该网络有效提升了微表情识别性能。