实验室发布微动作识别数据集-情感计算与先进智能机器安徽省重点实验室

微动作是一种不易察觉的非语言行为，其特征是低强度的运动。它能够洞察个体的感受和意图，对情绪识别和心理评估等以人为本的应用至关重要。然而，由于这些细微的人类行为在日常生活中不易察觉且难以触及，因此识别、区分和理解微动作面临着挑战。在本研究中，我们创新性地收集了一个名为“微动作-52”（MA-52）的全新微动作数据集，并提出了一个用于微动作识别（MAR）任务的基准——微动作网络（MANet）。MA-52 的独特之处在于它提供了包括手势、上肢和下肢动作在内的全身视角，试图揭示全面的微动作线索。具体而言，MA-52 包含 52 个微动作类别以及七个身体部位标签，涵盖了一系列逼真自然的微动作，涵盖了 205 位参与者和从心理访谈中整理的 22,422 个视频实例。基于所提出的数据集，我们评估了 MANet 以及其他九种流行的动作识别方法。MANet 在 ResNet 架构中引入了挤压激励 (SE) 模块和时间移位模块 (TSM)，用于建模微动作的时空特征。然后，设计了一种联合嵌入损失函数，用于视频和动作标签之间的语义匹配；该损失函数用于更好地区分视觉上相似但又截然不同的微动作类别。在情绪识别领域的扩展应用证明了我们提出的数据集和方法的重要价值之一。未来，我们将进一步深入探索人类行为、情绪和心理评估。

该数据集的及对应的样例代码链接为：https://github.com/VUT-HFUT/Micro-Action

情感计算与先进智能机器安徽省重点实验室

2025年9月1日