电讯技术

作者：吴进,闵育,李聪,张伟华

单位：(西安邮电大学 电子工程学院，西安 710121)

关键词：微表情识别；深度学习；三维卷积神经网络；批量归一化算法；丢弃法；

基金：国家自然科学基金资助项目（61772417，61634004，61602377）；陕西省科技统筹创新工程项目（2016KTZDGY02-04-02）；陕西省重点研发计划（2017GY-060）；陕西省自然科学基础研究计划项目（2018JM4018）

微表情是一种持续时间很短暂的面部表情。针对其识别率低的问题，提出了一种基于三维卷积神经网络（3D Convolutionnal Neural Network，3D-CNN）的微表情识别算法。使用Keras作为网络框架，在3D-VGG-Block(3Dimension Visual Geometry Group Block,3D-VGG-Block)的基础上加入批量归一化算法以及丢弃法，提升网络深度与训练速度的同时有效地防止过拟合；针对数据集稀少的问题，采取随机设置起始帧的位置，提前设定每次读取帧序列的长度，循环操作，在将所有数据均遍历的同时，达到数据增广的目的。该算法在CASME II数据集上的识别率最高达68.85%，在识别率上有一定优势。

来源：2019年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2019年第10期