收稿日期：２０２２－０８－２９。基金项目：国家自然科学基金资助项目（６１９０２１１４）；国家级大学生创新创业训练计划项目（２０２２１０５１２００３）。＊通信作者：曾张帆（１９８３－），男，副教授，博士。Ｅ－ｍａｉｌ：ｚｅｎｇ．ｚｈａｎｇｆａｎ＠ｈｕｂｕ．ｅｄｕ．ｃｎ。叶天祺，曾张帆．基于持续时空注意力网络的人脸微表情识别［Ｊ］．南昌大学学报（理科版），２０２３，４７（１）：９５－１０２．ＹＥＴＱ，ＺＥＮＧＺＦ．Ｆａｃｉａｌｍｉｃｒｏ－ｅｘｐｒｅｓｓｉｏｎｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｃｏｎｔｉｎｕｏｕｓｓｐａｔｉｏｔｅｍｐｏｒａｌａｔｔｅｎｔｉｏｎｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｃｈａｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２３，４７（１）：９５－１０２．基于持续时空注意力网络的人脸微表情识别叶天祺１，曾张帆１，２＊（１．湖北大学计算机与信息工程学院，武汉４３００６２；２．湖北省教育信息化工程技术研究中心，武汉４３００６２）摘要：人脸微表情具有持续时间短，运动幅度小，只发生在面部局部区域的特点，给微表情的准确识别带来了极大的挑战。针对上述问题，提出一种基于持续时空注意力网络（ＣｏｎｔｉｎｕｏｕｓＳｐａｔｉｏｔｅｍｐｏｒａｌＡｔｔｅｎｔｉｏｎＮｅｔｗｏｒｋ，ＣＳＴＮ）的人脸微表情识别算法。该算法由主、副两个通道组成，主通道为持续时空注意力模块，副通道为位置校准模块。首先主通道进行离散采样，等间隔抽取原始视频帧组成一个新的视频序列，利用帧间差分法提取各帧之间的运动差异，再将其输入到持续时空网络，提取面部肌肉运动的时空特征；其次利用副通道提取的面部位置信息对主通道信息进行位置校准，最后将融合信息输入到Ｓｏｆｔｍａｘ分类器对微表情进行分类。实验表明在３个公开微表情数据集ＣＡＳＭＥⅡ，ＳＡＭＭ，ＭＭＥＷ上该算法识别的平均准确度分别达到了８９．９６％，８６．７３％，８９．７６％，优于现有其他算法。关键词：微表情识别；帧间差分法；位置校准；持续时空注意力网络；长短期记忆网络中图分类号：ＴＰ３９１．４１文献标志码：Ａ文章编号：１００６－０４６４（２０２３）０１－００９５－０８Ｆａｃｉａｌｍｉｃｒｏ－ｅｘｐｒｅｓｓｉｏｎｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｃｏｎｔｉｎｕｏｕｓｓｐａｔｉｏｔｅｍｐｏｒａｌａｔｔｅｎｔｉｏｎｎｅｔｗｏｒｋＹＥ...
