+高级检索
首页 > 过刊浏览>2025年第48卷第6期 >98-111. DOI:10.11835/j.issn.1000-582X.2025.06.009
PDF HTML阅读 XML下载 导出引用 引用提醒
基于非线性深度子空间学习的微表情识别方法研究
作者:
作者单位:

1.星河智联汽车科技有限公司，广州 510335;2.广汽丰田汽车有限公司，广州 511455;3.天津师范大学 计算机与信息工程学院，天津 300382;4.华南理工大学 机械与汽车工程学院，广州 510641;5.广州城市理工学院 机械工程学院与机器人工程学院，广州 510850

作者简介:

冉光伟(1980—)，男，高级工程师，主要从事智能座舱系统的开发和应用方向研究，（E-mail）gwran@syncore.space。

通讯作者:

姜立标(1965—)，男，副教授，（E-mail）jlb620620@163.com。

中图分类号:

TP391

基金项目:

国家自然科学基金资助项目（61602345，62002263）。


Micro-expression recognition based on nonlinear deep subspace learning
Author:
Affiliation:

1.Syncore Autotech Co., Ltd., Guangzhou 510335, P. R. China;2.GAC Toyota Motor Co., Ltd., Guangzhou 511455, P. R. China;3.College of Computer and Information Engineering, Tianjin Normal University, Tianjin 300382, P. R. China;4.School of Mechanical & Automotive Engineering, South China University of Technology, Guangzhou 510641, P. R. China;5.School of Mechanical Engineering and Robotics Engineering, Guangzhou City University of Technology, Guangzhou 510850, P. R. China

Fund Project:

Supported by National Natural Science Foundation of China (61602345, 62002263).

  • 摘要
    • | |
  • 访问统计
    • |
  • 参考文献
    • |
  • 相似文献
    • |
  • 引证文献
    • | |
  • 文章评论
    摘要:

    针对微表情识别中深度子空间网络鲁棒性差和泛化能力弱的问题，提出了基于非线性深度子空间学习和光流计算的微表情识别方法。该方法通过引入核变换充分挖掘微表情中的情感信息，同时使用光流特征捕捉微表情的运动信息，提高识别的鲁棒性。在SMIC、SAMM、CASME和CASME Ⅱ 4个广泛使用的自发微表情数据集和3DB-combined复合数据集上的实验表明，所提方法识别性能优于MACNN、Micro-Attention等深度学习方法，在复合数据集上的准确率达到0.834 6。此外，在SMIC数据集上添加10%、20%、30%和40%的随机噪声块后，在不同噪声水平下的未加权F1分数均优于其他算法，表明该方法在微表情识别任务中的有效性和鲁棒性。

    Abstract:

    To address the issues of poor robustness and weak generalisation in deep subspace network-based micro-expression recognition, this paper proposes a novel method that integrates nonlinear deep subspace learning with optical flow computation. The method employs kernel transformation to comprehensively extract emotional features from micro-expressions while simultaneously utilizing optical flow characteristcs to capture subtle motion dynamics, thereby enhancing recognition robustness. Experimental validation is performed on 4 widely adopted spontaneous micro-expression datasets (SMIC, SAMM, CASME and CASME Ⅱ) as well as a composite dataset 3DB-combined samples. Results demonstrate that the proposed method outperforms existing deep learning algorithms, including MACNN and Micro-Attention, achieving a recognition accuracy of 0.834 6 on the composite dataset. Furthermore, after adding 10%, 20%, 30%, and 40% random noise blocks to the SMIC dataset, the method consistently maintains superior unweighted F1 scores compared to other algorithms. These findings substantiate its effectiveness and robustness in real-world micro-expression recognition scenarios.

    参考文献
    相似文献
    引证文献
引用本文

冉光伟,何祺,王楠,冯为嘉,姜立标.基于非线性深度子空间学习的微表情识别方法研究[J].重庆大学学报,2025,48(6):98-111.

复制
相关视频

分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2024-08-12
  • 在线发布日期: 2025-07-11
文章二维码
您是第 位访问者
主管单位：中华人民共和国教育部
主办单位：重庆大学
地址：重庆市沙坪坝正街174号
电话：
重庆大学学报 ® 2025 版权所有