人的面部表情,是指通过人的眼、唇等各个局部肌肉变化而显示出的人类真实情绪感受,它是人与人之间交流和传输各种信息的直接媒介。与人们日常所熟知的普通面部表情不同,人脸微表情是人特有的情绪表达方式,它无法伪装和隐藏,能够最为直接和明确地表达出人的真实意图,因此在公共安全、医学临床以及社会生活等各个方面都有巨大的研究价值。人脸微表情有三个显著区别于普通表情的特点,即“动作幅度小”、“持续时间短”以及“不同时出现在多处面部区域”,这也是人脸微表情识别所面临的三大难题。论文从这三个问题出发,主要完成了以下三个方面的工作:第一,为了解决微表情“幅度小,难以被识别”的问题,论文引入了一种基于眼部干扰消除的视频动作放大方法,解决了放大过程中由于眨眼动作带来的眼部视频变形问题,同时对现有数据集进行逐个放大处理并重新构建了放大数据集mag_CASME、mag_CASME II。第二,针对目前计算机自动实现的微表情识别技术识别准确率难以提升的问题,论文将卷积神经网络引入人脸微表情的识别方法中,实现了神经网络在微表情识别任务上的应用。同时,与以往算法相比,论文摒除了合并数据标签的做法,实现了对微表情各个情绪类别的全分类,并获得了较好的结果。第三,针对微表情“局部出现”的特点,论文引入CNN的概念实现了一种基于光流估计的人脸微表情动作可视化方法,通过对局部光流特征进行精细处理获得更为优化的光流估计效果,同时对应颜色查找表,为每个不同方向和幅度的光流向量分配特定的颜色,实现微表情动作的可视化。