相较于传统表情,自发表情更能揭示一个人的真实情感,在国家安防、医疗等领域有巨大的应用潜力。而自发表情具有诱导困难、样本难以采集等特殊性,因此数据样本较少。同时,自发表情具有持续时间短、强度低的特性,所以更难被认知以及提取特征。为探究自发表情的性质,本文提出两种方法分别实现自发表情视频中自发表情定位与自发表情种类判别。(1)因自发表情的特殊性质,为在主动形状模型算法定位人脸的基础上进一步对齐视频中的人脸,以减少定位不准确、头部偏移对提取特征的干扰,提出精细匹配算法作为提取人脸的预处理方法。为使获得的特征具有更高的定位准确率和鲁棒性,本文提出一种去冗余的局部二值模式时空特征提取方法。具体为,在空间轴提取扇形区域的局部二值模式特征,在时间轴提取线性的去冗余特征点的局部二值模式特征,从而分别得到人脸眼部区域和嘴部区域的时空特征。将上述特征融合并转化为特征值,并根据设定的判别阈值定位自发表情帧的位序。实验结果表明本文提出的定位方法能有效提高视频中自发表情定位的精度。(2)为判别自发表情的种类,提出基于深度迁移网络的自发表情种类判别方法。本文将RGB图像与光流特征3维图像作为样本,分别在不同的迁移网络上进行训练,并将经过训练的同一类型的迁移网络组合成新的网络模型——同构网络。最后,将测试样本输入同构网络进行测试,并分别与未组合的单一网络模型进行测试结果对比。实验结果验证了本文提出的自发表情种类判别方法在不同数据库上均表现出优异的性能。