Face à l'incapacité de la méthode du flux optique à exploiter pleinement les informations de couleur du visage lors des micro-expressions, ce qui entraîne une précision de reconnaissance insuffisante, cet article propose une méthode de réseau double flux multi-attention basée sur la couleur et le flux optique. Tout d'abord, une extraction préliminaire des caractéristiques physiologiques émotionnelles du visage est réalisée sous forme de carte de différence de couleur CIE Luv, compensant l'unicité et les limites des caractéristiques de flux optique des micro-expressions ; ensuite, le module PAM et le bloc ECA sont combinés parallèlement pour obtenir un module double attention léger, permettant d'extraire des caractéristiques clés spatiales et canales ; enfin, un mécanisme d'attention croisée est conçu pour obtenir des caractéristiques mixtes de couleur et de flux optique, qui sont fusionnées avec les caractéristiques spatiales et canales clés pour la classification. Le modèle est évalué par validation croisée leave-one-out. Les précisions et scores F1 atteignent respectivement 69,18 % et 67,04 % sur le dataset SAMM, ainsi que 72,38 % et 70,85 % sur le dataset CASME II. Les résultats expérimentaux surpassent les algorithmes dominants actuels, confirmant l'efficacité du modèle et de ses modules dans la reconnaissance des micro-expressions.

Vision par ordinateur; Reconnaissance des micro-expressions; CIE Luv; Caractéristiques de couleur; Caractéristiques de flux optique; Réseau double flux