基于改进积分投影的判别性时空局部二值模式用于自发面部微表情识别

近年来，从面部图像序列中推断微表情引起了越来越多的关注。由于微表情的面部运动极其细微，特征提取已成为自发面部微表情识别的一个重要且关键的问题。近期的工作通常使用时空局部二值模式进行微表情分析。然而，常用的时空局部二值模式在表示人脸图像时考虑了动态纹理信息，却丢失了人脸图像的形状属性。另一方面，他们的工作从全局面部区域提取时空特征，忽略了两个微表情类别之间的判别性信息。上述问题严重限制了时空局部二值模式在微表情识别中的应用。本文提出了一种基于改进积分投影的判别性时空局部二值模式，以解决时空局部二值模式在微表情识别中存在的问题。首先，我们开发了一种改进的积分投影来保留微表情的形状属性。此外，将改进的积分投影与跨空间和时间域的局部二值模式算子相结合。具体而言，我们提取了将形状属性融入时空纹理特征的新型时空特征。为了增加微表情的判别力，我们提出了一种基于拉普拉斯方法的新特征选择，以提取用于面部微表情识别的判别性信息。在三个公开可用的微表情数据库上进行了大量实验。我们将我们的方法与最先进的算法进行了比较。实验结果表明，我们提出的方法在微表情识别中取得了有前景的性能。