10.14132/j.cnki.1673-5439.2017.06.001
基于LBP-TOP特征的微表情识别
微表情是一个人试图隐藏内心真实情感却又不由自主流露出的不易被察觉的面部表情.与一般面部表情相比,微表情最显著的特点是持续时间短、强度弱,往往难以有效识别.文中提出了一种基于LBP-TOP(Local Binary Pattern from Three Orthogonal Planes)特征和支持向量机(Support Vector Machine,SVM)分类器的微表情识别方法.首先,采用LBP-TOP算子来提取微表情特征;然后,提出一种基于ReliefF与局部线性嵌入(Locally Linear Embedding,LLE)流形学习算法相结合的特征选择算法,对提取的LBP-TOP特征向量进行降维;最后,使用径向基函数(Radial Basis Function,RBF)核的SVM分类器进行分类,将测试样本图像序列的微表情分为5类:高兴、厌恶、压抑、惊讶、其他.在CASME Ⅱ微表情数据库上采用“留一人交叉验证”(Leave-One-Subject-Out Cross Validation,LOSO-CV)的方式进行了实验,可得到58.98%的分类准确率.实验结果表明了该算法的有效性.
微表情、LBP-TOP、局部线性嵌入、ReliefF、支持向量机
37
TN919.81
国家自然科学基金61501249;江苏省重点研发计划BE2016775;江苏省自然科学基金BK20150855;江苏省高校自然科学研究面上项目15KJB510022;江苏省研究生科研与实践创新计划KYCX17_0787
2018-02-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7