基于双支路核化群稀疏学习的微表情识别

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...