基于ADCP-TOP 的微表情識別方法*

唐家明 宛艷萍 孟 竹 張 芳 谷佳真

（河北工業(yè)大學人工智能與數據科學學院 天津 300401）

1 引言

微表情是人在試圖壓抑自己情緒時，面部肌肉在不受控制情況下產生輕微幅度變化而流露出的表情［1］，其更能揭示一個人的真實感情［2］，因此在刑偵測謊、心理治療、國家安防等領域有著廣泛應用［3～8］。

隨著微表情識別受到更多研究者的關注，近年出現了許多自動微表情識別方法。Pfister 等提出LBP-TOP（Local Binary Pattern from Three Orthogonal Planes）算法［9］，是最早對自動微表情識別做出貢獻的工作之一。LBP-TOP 計算簡單，但存在對噪聲敏感，有效信息不足的問題。Guo 等提出CBP-TOP（Centralized Binary Pattern from Three Orthogonal Planes）特征提取方法［10］，通過對差值設置閾值增強編碼抗噪性能以改善對噪聲的敏感。Ben等提出HWP-TOP（Hot Wheel Patterns from Three Orthogonal Planes）識別方法［11］，通過增加采樣點并分內外兩圓進行順序編碼來增加特征信息量。Li等為探究空域特征和時域特征對微表情的影響，將HOG（Histogram of Oriented Gradients）特征描述子［12］拓展到三維正交平面提取特征，指出時域特征對識別起主要作用。除基于編碼方式的識別外，基于光流法的識別也是微表情研究方向之一。Liu等提出MDMO（Main Directional Mean Optical-flow）特征描述子［13］。將面部劃分為36 塊感興趣區(qū)域（Regions of Interest，ROI），計算每個ROI中主要方向上的平均光流作為識別特征。Xu 等提出FDM（Facial Dynamics Map）特征描述子［14］，通過稠密光流場迭代地求出每個圖像分塊光流的主方向進行識別。Liong 等提出Bi-WOOF（Bi-Weighted Oriented Optical Flow）特征描述子［15］，將光學應變作為每個分塊的權值從而獲得加權光流主方向特征，并只使用起始幀，峰值幀，結束幀，三幀作為數據輸入以減少噪聲的影響。

由于微表情數據庫樣本數量限制，目前基于深度學習方法的微表情識別率不高［16］。本文針對傳統(tǒng)編碼方法存在有效信息不足、噪聲敏感的問題，提出基于相鄰雙交叉二值模式（Adjacent Double Crossover Local Binary Pattern from Three Orthogonal Planes，ADCP-TOP）的微表情識別算法。傳統(tǒng)LBP-TOP 算法只考慮周圍像素與中心像素關系而忽略了周圍像素之間的聯(lián)系，ADCP-TOP將采樣點鄰域之間順序編碼以增加更多信息量，并對奇偶采樣點分開編碼，在增強魯棒性的同時融入方向信息。進一步通過獲取細粒度感興趣區(qū)域（FROI）從而提取更精細的ADCP-TOP特征，最后將特征送入SVM分類器進行分類。

2 相鄰雙交叉局部二值模式

基于ADCP-TOP 微表情識別的系統(tǒng)框圖如圖1 所示。首先利用Dlib 人臉檢測工具［17］提取人臉關鍵點，然后以關鍵點為坐標，根據面部動作單元AUs［18］劃分人臉粗粒度感興趣區(qū)域（CROI），并通過再次劃分CROI 取細粒度感興趣區(qū)域（FROI）。隨后在FROI內利用ADCP-TOP提取特征獲得特征直方圖，最后使用SVM分類器進行微表情識別。

圖1 ADCP-TOP微表情識別方法系統(tǒng)框圖

2.1 特征提取

本文對傳統(tǒng)LBP-TOP 算法改進，針對LBPTOP 算法提取有效信息不足，對噪聲敏感的問題，提出ADCP-TOP時空特征描述子。

LBP-TOP 主要提取圖像的局部信息，首先在XY 面中計算LBP 編碼，再以相同的編碼方式拓展到XT 面和YT 面。以XY 面為例，如圖2 所示，在一個3×3 的像素塊中，將中心像素值與其鄰域像素值作差，差值大于0 則編碼為1，否則編碼為0。計算得到一組八位二進制編碼，將其轉換為十進制后替換中心像素值，并通過統(tǒng)計得到XY 面的特征直方圖。接著，以相同的計算方式拓展到XT 面、YT面。最后通過級聯(lián)三個面的特征直方圖得到LBP-TOP 特征。此外，不限于八鄰域，LBP-TOP 算子可以設置R 為半徑，P 為采樣點個數，計算每個采樣點與中心像素關系后，得到p位二進制編碼。

圖2 LBP-TOP在八鄰域中的二進制編碼

LBP-TOP 只考慮到周圍像素與中心像點像素的關系，而忽略了相鄰像素點之間的關系；同時也將水平豎直方向和對角線方向同等對待，缺少了方向上的信息。

針對以上問題，本文提出ADCP-TOP時空特征描述符。以某一像素作為圓心，以R 為半徑，在圓周的水平方向、垂直方向、對角線方向上取p 個采樣點，以p=8 為例，得到A0-A7八個采樣點，如圖3（a）所示。為將結構信息量化，每個方向上的采樣點設定唯一編碼，定義如公式（1）所示。

圖3 ADCP-TOP時空特征描述符

最終，ADCP 編碼特征直方圖由兩個交叉編碼ADCP-1 和ADCP-2 串聯(lián)得到。ADCP 可以描述二維圖像中每個像素鄰域之間的信息，但是對于圖像序列或是視頻序列，單一的ADCP 描述符會忽略時序信息。為表示相鄰幀之間的信息，將ADCP 編碼拓展到三維正交平面XY、XT、YT 面中，最終獲得ADCP-TOP時空特征描述符。

ADCP-TOP 時空特征描述符將鄰域像素點之間的關系考慮進來，使得能夠更加準確提取圖像的深層信息，與LBP-TOP 相比，該方法提取的特征會包含更多結構信息，提升了特征判別度。其次，ADCP-TOP 將水平豎直方向與對角線方向分成兩個編碼，融入方向信息，并將結構信息更細化區(qū)分，增強魯棒性的同時降低了維度。

2.2 獲取細粒度感興趣區(qū)域（FROI）

ADCP-TOP特征屬于統(tǒng)計特征，需要對圖像分塊以區(qū)分不同位置表達的信息。本文依據面部編碼系統(tǒng)（Facial Action Coding System，FACS）［18］，劃分感興趣區(qū)域（ROI）。

FACS 的基礎是動作單元（Action Units，AUs），微表情是由多個特定AUS 共同作用而形成。每個AU有自己的發(fā)生區(qū)域。圖4（a）總結了參與微表情運動的AUs，并以人臉關鍵點為坐標，劃分9個AUS主要作用的區(qū)域，即粗粒度感興趣區(qū)域（CROI）。ROI的大小會影響提取信息的細節(jié)程度，因此繼續(xù)對CROI 進一步劃分，獲取細粒度感興趣區(qū)域（FROI）。FROI的劃分原則是不能過于稠密也不能過于稀疏，過于稠密會使得信息冗余，而過于稀疏則會造成信息提取遺漏。鑒于微表情發(fā)生時牽扯到的唇部區(qū)域主要集中在嘴角，眼部區(qū)域主要發(fā)生在眼角，所以對嘴角和眼角兩處進行更細致的劃分，劃分結果圖4（b）所示。其中大塊尺寸為50×50，小塊尺寸為25×25，圖像分辨率大小240×280。

圖4 根據面部動作單元劃分的ROI示意圖

3 實驗驗證與結果分析

3.1 微表情數據庫

1）SMIC數據庫

SMIC［19］是第一個公開的自發(fā)微表情數據庫，SMIC 具有三個子集，其中SMIC-HS 子集樣本最多，因此采用該子集作為實驗樣本。 SMIC-HS 包含16 個受試者的164 個自發(fā)的微表情樣本，幀率為100 fps，分為三個類別：積極（51 個樣本），消極（70個樣本）和驚奇（43個樣本）。

2）CASME2 數據庫

CASME2［20］由中科院傅小蘭團隊發(fā)布，幀率達到200fps，數據庫包含來自26 個受試者的247 個樣本。實驗中將其分為5類，高興（32個樣本）、驚訝（25個樣本）、厭惡（64個樣本）、壓抑（27個樣本）其他（99個樣本）。

3.2 實驗結果與實驗細節(jié)

為驗證提出的ADCP-TOP方法的有效性，在兩個數據庫SMIC 和CASME 中，進行了十倍交叉驗證和LOSO交叉驗證（Leave-One-Subject-Out）［21］。。

表1 出示了ADCP-TOP 方法在SMIC 數據庫與CAME2 數據庫中的十倍交叉實驗的實驗結果，并復現LBP-TOP 方法作為實驗對比的基準。在SMIC數據庫下，ADCP-TOP的識別率為67.09%，對比LBP-TOP 識別率提升27.92%。在CAME2 數據庫下，ADCP-TOP 的識別率為70.47% ，對比LBP-TOP 識別率提升27.57%。SMIC 數據庫只分三類情緒，而CASME2 數據庫分五類情緒，但在CASME2 數據庫下的識別率比在SMIC 數據庫下的識別率高，原因是因為CASME2數據庫的空間分辨率和時間分辨率都比SMIC 數據庫的質量高，說明時域信息和空域的細節(jié)信息是影響微表情識別率的關鍵，對比LBP-TOP，ADCP-TOP 捕獲細節(jié)信息的能力更強，因此實驗結果有較大的提升。

表1 ADCP-TOP在SMIC與CASME2數據庫下十倍交叉驗證的識別率

進一步計算混淆矩陣以分析系統(tǒng)的穩(wěn)定性，如圖5 所示。SMIC 數據庫下，積極的分類表現并不是很好，消極和驚奇的分類效果較好，原因是二者的變化幅度相對更大，變化信息更容易被捕捉。CASME2 數據庫下，隨著樣本的質量和數量提升后，對積極的分類效果有顯著提高。分五類情緒下，生氣、抑制、其他，這三類情緒不容易被區(qū)分開，因為這三類情緒的AUs存在共同之處，所以較難判斷。盡管如此，ADCP-TOP還是具有較強的判別能力。

為驗證FROI有效性，進行分塊方式對比試驗，如表2 所示。SMIC 數據庫下，6×6 的分塊方式識別效果最好，識別率為65.14%，CASME2數據庫下，8×8 的分塊效果最好，識別率為67.31%。兩個數據庫的最好分塊方式并不相同，主要由圖像的質量不同所導致。CROI沒有比最佳的等分方式識別率高，原因為雖然去掉了面部輪廓等區(qū)域的噪聲，但CROI 的單獨ROI 的區(qū)域較大。ADCP-TOP 提取的特征屬于統(tǒng)計特征，需要通過分塊以提供位置信息，ROI 分割的越細，特征包含的位置信息和細節(jié)信息越精確，但噪聲的影響也會增大。通過對CROI 進一步的劃分得到的FROI，在SMIC h 和CASME2數據庫下識別率分別為67.09%和70.47%。

表2 ADCP-TOP在SMIC與CASME2數據庫下不同分塊方式的識別率對比

為驗證對采樣點按奇偶位置分開編碼的有效性，以LBP-TOP 為例進行實驗，如表3 所示，其中LBP-TOP 半徑為1，采樣點個數為8。OLBP-TOP為按奇數位置編碼方式，ELBP-TOP 為按偶數位置編碼方式，兩種編碼方式在CASNE2 的識別率分別為33.59%和33.43%。識別率沒有傳統(tǒng)LBP-TOP高，原因是采樣點個數減少為原來的一半，包含信息量減少。OELBP-TOP 是將OLBP-TOP 和ELBPTOP 的特征直方圖級聯(lián)，對比LBP-TOP 在CASM2上的識別率提升7.2%，實驗證明奇偶位置分開編碼的方式可以提升特征的辨識性，偶數編碼位蘊藏著中心像素與周圍像素垂直和水平的運動關系，奇數編碼位蘊藏著中心像素與周圍像素斜角的運動關系，分開編碼可以增強這種潛在方向信息和特征的魯棒性。此外，ADCP-TOP加入了鄰域像素之間的編碼，如若不分奇偶方式編碼，維度為216，導致維度爆炸。奇偶位分開編碼使得ADCP-TOP 在融入更多信息時維度下降，同時也具備奇偶編碼的自身優(yōu)勢。

表3 在SMIC與CASME2數據庫下不同編碼方式的識別率對比

同LBP-TOP 一樣，我們也對ADCP-TOP 算子設計了半徑R 和采樣點P。如圖6 所示，共有三種方式，R1代表索引為偶數采樣點半徑，R2為奇數采樣點半徑。

圖6 ADCP-TOP 八采樣點不同半徑對比

表4 在SMIC與CASME2數據庫中ADCP-TOP不同參數設置下的識別率對比

3.3 算法對比

在對比實驗中，采用LOSO 交叉驗證。我們復現了四種編碼方法LBP-TOP、3DHOG、CBP-TOP、HWP-TOP，另外對比三種基于光流場的微表情識別方法，并直接引用所在論文中的識別率，如表5所示。在CASME2 數據庫下，ADCP-TOP 對比基線LBP-TOP 方法識別率提升31.16%。3DHOG 通過梯度計算方向獲取運動方向信息，CBP-TOP 通過設置閾值提升抗噪性能，但二者提取的特征包含信息較少，細節(jié)提取能力不強，ADCP-TOP 改善了這一問題，對比兩種方法的識別率分別提升19.14%和6.83%。HWP-TOP 盡管與我們的算法維度相同，但HWP-TOP 沒有考慮鄰域像素之間的關系。且ADCP-TOP將采樣點按奇偶分開編碼，增加了潛在方向信息和系統(tǒng)魯棒性，識別率相比HWP-TOP提高3.47%。對比基于光流法的三種方法，ADCP-TOP 不僅具有捕捉時域信息的能力，同時也具有捕捉空間信息的能力，最終在SMIC 和CASME2數據庫下，實驗結果均有較好的提升。

表5 在SMIC與CASME2數據庫中采用LOSO交叉驗證時各算法的識別率比較

4 結語

本文提出了一種新的基于相鄰雙交叉局部二值模式（ADCP-TOP）的微表情識別方法。ADCP-TOP 將鄰域像素之間關系引入改善了原有編碼有效信息不足的問題，通過對奇偶位置的采樣點分開編碼增加潛在方向信息和魯棒性，對微表情有著更強的捕捉有效信息的能力和更高的識別準確度。對于未來的工作，深度學習是由網絡自行尋找對分類有效特征，具有一定的優(yōu)勢，但需要大樣本訓練。因此今后將重點考慮如何利用傳統(tǒng)方法去引導深度學習從而減小微表情數據庫樣本數量較小的影響。