平均光流方向直方图描述的微表情识别

马浩原 安高云 阮秋琦

(1. 北京交通大学信息科学研究所，北京 100044; 2. 现代信息科学与网络技术北京市重点实验室，北京 100044)

1 引言

表情是反应人们精神和情感的面部运动，人们在交流时约55%的信息通过表情传递，因此它在社会交际中扮演重要角色，表情识别相关研究也成为热点。然而，对表情的研究大多集中在传统表情，即宏观表情或全表情，而对微表情的研究相对较少。直到最近，越来越多的学者才开始关注微表情的研究。

微表情难以被察觉，其持续时间仅为1/ 25 s至1/5 s；微表情既可能含普通表情的全部肌肉动作，也可能只包含一部分；它表达了人类试图隐藏的真实情感，是自发性表情。微表情的上述性质，使它成为了解人类真实情感的窗口。因此，微表情有非常多的潜在应用，如刑侦破案、国防安全、临床诊断、人机交互等。但微表情持续时间短、发生强度低和通常只涉及局部运动的特点，对微表情的识别带来了极大挑战。Ekman和Friesen在进行测谎研究时第一次提出了微表情的概念，之后Ekman在研究中发现，只有不到1%的人可以在没经过特殊训练的情况下检测微表情，因此Ekman等开发了一套微表情训练工具(Micro-Expression Training Tool, METT)来提升人们对微表情的感知能力。随着计算机视觉的发展，一些研究者开始尝试提取各种特征用于微表情识别。Zhao等[1]提出了一种基于三个正交平面的动态LBP特征(Local binary pattern from three orthogonal planes, LBP-TOP)进行微表情识别， Pfister等[2]设计了一个双阶段系统第一次实现了自发微表情识别，在第一阶段，系统采用了时域差值模型(Temporal Interpolation Model, TIM)对微表情序列的总帧数进行归一化，以此来解决短时视频的问题；……