基于盒注意力机制和Transformer的人脸微表情识别方法

微表情是一种细微的能够体现人真实心理活动的面部运动，通常与真实情感直接相关，应用前景广阔。但由于微表情持续时间短暂、表情幅度低和特征难以提取等特点，因此其识别准确率较低。针对该问题，提出了基于盒注意力机制和Transformer的人脸微表情识别模型(vision transformer based on box-attention, ViT-Box)。该模型首先对人脸面部进行特征提取，利用盒注意力机制获得自适应的面部微表情关键区域：左眉眼、右眉眼和嘴巴；然后对非关键区域进行掩码遮盖，避免微表情无关信息干扰；最后基于Vision Transformer网络实现人脸微表情识别。ViT-Box模型在微-宏表情仓库(MMEW)数据集上取得了98.68%的平均准确率，实验结果表明该模型在微表情识别上能够获得优秀的识别效果。同时通过消融实验验证了ViT-Box模型的有效性。