Debido a que el método de flujo óptico no puede aprovechar completamente la información del color facial en microexpresiones, lo que conduce a una baja precisión de reconocimiento, este artículo propone un método de red de doble flujo con múltiples atenciones basado en color y flujo óptico. Primero, se propone extraer preliminarmente las características fisiológicas emocionales faciales en forma de mapa de diferencia de color CIE Luv, compensando la unicidad y limitaciones de las características de flujo óptico de microexpresiones; luego, se combinan en paralelo el módulo PAM y el bloque ECA para obtener un módulo de doble atención liviano que extrae características clave espaciales y de canal; finalmente, se diseña un mecanismo de atención cruzada para obtener características mixtas de color y flujo óptico, que se fusionan con las características espaciales y de canal clave para la clasificación. El modelo se evalúa mediante validación cruzada leave-one-out. La precisión y la puntuación F1 alcanzan 69.18% y 67.04% en el conjunto de datos SAMM, y 72.38% y 70.85% en el conjunto de datos CASME II. Los resultados experimentales superan los algoritmos predominantes actuales, lo que confirma la efectividad del modelo y sus módulos en el reconocimiento de microexpresiones.

Visión por computadora; Reconocimiento de microexpresiones; CIE Luv; Características de color; Características de flujo óptico; Red de doble flujo