基于MDMO的人脸微表情识别方法
微表情是短暂的面部动作短，自主和低强度。识别面部自发微表情是一个很大的挑战。文献中提出了一个简单而有效的主要方向：光学流动（mdmo）微表情识别特征。应用一个强大的微表情视频光学流动法和面部区域划分为感兴趣区域（ROI）基于部分行动单位。这是一个基于光学流动兴趣区域，归一化的统计特征，考虑局部统计运动信息和空间位置。为了减少噪声由于头部运动的影响，提出了一种光学流驱动的方法将所有帧的微表情的视频剪辑。最后，一个SVM分类器利用mdmo特征识别微表情。
1DRMF方法对面部区域进行划分
要建立了微表情识别的有效特征，首先通过使用受限的本地模型的一个实例来检测并将面部区域划分为感兴趣区域，即ROIs，称为判别响应图拟合（DRMF）。
使用DRMF方法，在每个微表情视频片段中，在第一帧的面部区域，有力地检测出一组面部特征点。首先，使用ViolaJo
es人脸探测器来定位每一帧的面部区域。其次，通过提取响应块和低维投影，计算出一组初始特征点。第三、drmf迭代干扰这些初始特征点与生成的特征模板，控制形状和外观的变化从一个训练集学习相关目标图像。形状和外观形态变化的统计模型，应用DRMF方法以一个强大的、准确的方式定位面部地区的68个特征点。在应用中，使用了从DRMF方法获得的66个特征点。在的微表情识别中，没有使用两个特征点来识别内唇角。
图1所示：左图：使用DRMF方法检测面部区域的66个特征点；右图：正常面部区域
f所有66个特征的面部特征都被表示为FPfp1，……fp66。在不同的框架中，面部区域的部分在实践中往往会有所不同。可以利用检测到的特征点集FP对每个帧中的人脸区域进行归一化处理，使每一帧的面部区域恢复正常。
图2所示：左图：36个区域的划分，由66个特征点决定；右图：由ROIs21、22、25和26所共享的顶点的位置是IDs4和33的两个特征点的平均位置。
进一步将标准化的面部区域划分为36个ROIs。由66个特征点决定。36个ROIs中所有顶点的规范规则可以在计算机数字库找到。例如：眉毛被划分为外部和内部部分。
其中有两个划分准则：1、ROI划分不应该太粗糙否则许多AUs将会定位在脸部相似或重叠的部分。在某些部分，比如嘴巴，提供了更多的分区来更好地区分不同的AUs。2、ROI划分不应该过于密集。一般来说，每个ROI至少对应一个AU例如，ROI1只与AU2相关，不需要进一步细分。
2光流场的计算
划分好区域后就要进行光流场的计算，光流是通过检测两个图像帧之间不断变r