面部表情包含丰富的情感信息,是人类日常生活中重要的组成部分。面部表情分为宏表情和微表情。宏表情持续时间为3/4到2秒,可以在整个面部发现,因此可以被容易地发现,但是宏表情可以被人为操控,容易产生虚假表情。微表情持续时间只有1/25到1/5秒,是无意识地出现在面部的,具有不可掩饰性,对应着人类的真实情感。因此微表情的识别具有重要意义。由于微表情持续时间短,面部表情的强度低,这就给使用肉眼识别微表情造成了很大的困难。因此微表情的自动识别研究具有较强的理论和实践意义。目前使用模式识别方法对微表情进行自动识别时,基本都是从整张人脸上提取信息。但是微表情在大部分情况下只有单一区域的面部肌肉运动出现,这使得在微表情识别过程中提取了很多和微表情无关的信息,从而影响了识别结果,增加了计算量。针对上述问题,本文提出一种基于三通道卷积神经网络和特征增强网络(SETFNet)对自发微表情进行识别的方法。网络中的三个通道分别输入三个不同的局部面部区域(左眼+左眉毛、右眼+右眉毛和嘴),这样可以减少和微表情无关的信息同时减少计算量。另外,我们在网络中增加了SE网络模块,该模块能够增强有效特征、抑制无用特征,从而改善识别结果。最后在SMIC和CASMEⅡ两个数据库上对我们的提出的方法进行检测,结果表明本文提出的方法能够有效提升识别结果。