近日，团队成员郝岩、廖嘉城、邓卓然等在梁艳老师和潘家辉教授的共同指导下，在SCI期刊Multimedia Tools and Applications（影响因子: 3.6）发表研究论文《A spatiotemporal network using a local spatial difference stack block for facial micro-Expression recognition》。该论文已于2023年6月29日在线发表。

近年来，基于视频的微表情识别在各种场景中的应用吸引了各领域研究人员的关注。然而，基于深度学习的微表情识别方法目前尚面临着一些挑战，例如微表情数据不足导致过拟合、细微面部动作难以捕获、关键帧的难以捕获与识别。在本论文中，我们提出了一种具有较强鲁棒性的微表情识别算法，该方法不需要任何关键帧的先验知识。在整个算法的设计框架中，为了防止传统的数据增强技术破坏序列帧中的微弱的面部运动信息，我们设计了一种叫做“跨步采样”的新型数据增强方法，该方法能够在增加样本数量的同时又保留微表情的重要运动特征。此外，为了捕捉微表情序列中人脸快速而微弱的变化，我们提出了一个核心的创新模块“局部空间差分堆叠块”，并将其纳入到轻量级的空间时序网络VGGFace-TCN。可视化实验表明，我们的算法可以在不需要额外的视觉特征（如光流）的情况下，有效地从原始帧中检测出微表情的局部面部运动细节，并将过拟合的风险降至最低。我们的算法在跨数集验证策略（HDE）下的准确率达到57.46%，F1-score达到0.3734，与其他最先进的方法进行比较，达到了最优。此外，我们的方法在SAMM单一数据集上进行验证时，准确率达到61.27%，F1-score达到0.5343，同样显著高于其他最先进的方法。上述研究成果都有效证明了我们所提方法的先进性。

论文链接：https://link.springer.com/article/10.1007/s11042-023-16033-1

撰稿：郝岩

审稿：梁艳