基于信息增量特征选择的微表情识别方法

摘要：

基于LBP-TOP、HOG-TOP、HIGO-TOP特征描述子的微表情识别方法通常提取到的特征向量维度较高,计算复杂度较大,运行时间较长,识别准确率较低.为此,提出一种基于信息增量(IG)特征选择的识别方法.运用IG特征选择方法对高维度特征向量进行降维,提高识别效率.运用支持向量机分类器的线性核、卡方核、直方图交叉核进行留一交叉验证,以完成分类任务.在SMIC和CASME2数据集上进行实验,结果表明,经IG选择后,特征向量在2个数据集上的识别准确率分别达到76.22％和73.68％,分类所需时间分别缩短为原方法的3.67％和3.64％,验证了该方法的有效性.

关键词：微表情识别、信息增量、特征描述子、SVM分类器、核函数

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61571339;网络与交换技术国家重点实验室开放课题SKLNST-2016-1-02;河南理工大学博士基金B2012-100

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：261-266