基于最优卷积神经网络(MFEOCNN)算法的视频微表情识别

面部表情是人类情感识别最重要的特征之一。人们利用面部表情来表达情绪状态。然而，面部表情识别在计算机视觉中一直是一个具有挑战性且引人关注的问题。所提方法的主要目标是在视频序列中识别微表情。为实现高效识别，该方法利用最优卷积神经网络。此处所提方法采用的输入数据集为CK+数据集。首先，通过自适应中值滤波对输入图像进行预处理。从预处理输出中提取几何特征、方向梯度直方图特征和局部二值模式特征。该方法的创新之处在于，借助改进狮群优化(MLO)算法从提取的特征中选取最优特征。其在较短计算时间内具有快速收敛并有效达成全局方案的优点。最后，通过卷积神经网络(CNN)完成识别。随后从误检率与识别精度方面分析所提MFEOCNN方法的性能。此类情感识别主要用于医疗、营销、电子学习、娱乐、法律与监控。仿真表明，所提方法以最小平均绝对误差(MAE)值取得了99.2%的最高识别精度。这些结果同现有的基于深度学习的微表情识别(MFEDRL)、卷积神经网络结合狮群优化(CNN+LO)以及无优化的卷积神经网络(CNN)进行比较。所提方法的仿真在MATLAB工作平台上进行。