10.3969/j.issn.1000-386x.2018.05.039
融合特征基于深度多核学习的动态表情识别
针对传统动态表情识别方法由于需要处理多帧表情图片而导致提取的特征维数过高、特征类别较为单一、分类器较难适用异构特征数据等问题,提出在帧数不统一的表情图片序列中,利用慢特征分析自动检测表情序列的峰值帧,继而在峰值帧上分别提取表情的几何特征和Gabor特征后降维,并利用深度多核学习对几何特征和Gabor特征融合后的异构特征信息进行学习并分类,从而提高识别率.在The Extended Cohn-Kanade Dataset (CK+)表情库进行的实验结果表明,识别率可达到94.4%.
慢特征分析、峰值帧、特征融合、深度多核学习
35
TP3(计算技术、计算机技术)
教育部人文社会科学研究规划基金项目17YJA880030;华中师范大学中央高校基本科研业务费项目CCNU15A05012
2018-06-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
218-223