基于双支路核化群稀疏学习的微表情识别 |
| |
引用本文: | 魏金生,卢官明,彭伟,陈浩侠,黄晓华,闫静杰.基于双支路核化群稀疏学习的微表情识别[J].南京邮电大学学报(自然科学版),2023(1):70-79. |
| |
作者姓名: | 魏金生 卢官明 彭伟 陈浩侠 黄晓华 闫静杰 |
| |
作者单位: | 1. 南京邮电大学通信与信息工程学院;2. 斯坦福大学神经与行为科学学院;3. 南京工程学院计算机工程学院 |
| |
基金项目: | 国家自然科学基金(72074038,62076122,61971236);;江苏省研究生科研与实践创新计划(KYCX19_0899)资助项目; |
| |
摘 要: | 在微表情识别系统中,常规的特征融合方法会引入冗余或干扰特征,因而会影响识别准确率和效率。针对上述问题,提出一种基于双支路核化群稀疏学习(Two-Branch Kernelized Groups Sparse Learning, TB-KGSL)的特征选择方法,并将其应用于微表情识别系统。首先,提取多个人脸区域的3个正交平面上局部二值模式(Local Binary Patterns from Three Orthogonal Planes, LBP-TOP)和多个方向上的单方向梯度直方图(Histogram of Single Direction Gradient, HSDG)两组不同类型的特征;然后,使用TB-KGSL模型从上述两组特征中分别选择有效区域的LBP-TOP特征和有效方向上的HSDG特征;最后,将选择的LBP-TOP和HSDG特征进行拼接融合,得到紧凑且可鉴别的特征,并使用基于支持向量机(Support Vector Machine, SVM)的分类器进行微表情分类。实验结果验证了TB-KGSL的可行性和有效性,并在CASME II和SMIC数据集上分别达到68.63%和7...
|
关 键 词: | 微表情识别 稀疏学习 特征融合 特征选择 |
|
|