Las microexpresiones revelan emociones subyacentes y se aplican ampliamente en psicología política, detección de mentiras, aplicación de la ley y atención médica. La detección de microexpresiones tiene como objetivo detectar las ubicaciones temporales de las expresiones faciales en secuencias de video y es una tarea crucial en el reconocimiento de microexpresiones. En este estudio, el problema de la detección de microexpresiones se formula como clasificación de microexpresiones por cuadro. Proponemos un modelo de detección efectivo con ventanas deslizantes llamado red de detección espacio-temporal. El método implica un mecanismo de detección de ventana deslizante, combina las características espaciales de los cuadros clave locales y las características temporales globales y realiza la detección de microexpresiones. Los experimentos se llevan a cabo en la base de datos CAS(ME) y en la base de datos de videos largos SAMM, y los resultados demuestran que el método propuesto supera al método de vanguardia en para CAS(ME) y para SAMM Long Videos según los puntajes F generales.