微表情识别中面部动力谱特征提取的PCA改进

摘要：

针对用于人脸微表情识别的面部动力谱特征(FDM)提取方法中迭代算法抽取时空立方体主方向时时间复杂度高的问题,提出基于主元分析(PCA)的改进算法.首先将数据中心平移到原点,其次估计相关矩阵,最后估计其特征向量和特征值,取最大特征值对应的特征向量方向作为时空立方体的主方向.采用Oulu大学SMIC微表情数据库中的微表情片段作为实验样本,选择支持向量机(SVM)作为分类器,对改进算法和原算法进行人脸微表情识别对比实验.结果表明,两种算法识别率相近,但改进算法在计算时间上远短于原算法.可见,改进算法在准确找出时空立方体主方向的同时,能大大降低原算法的计算复杂度.

关键词：微表情识别、面部动力谱特征、主元分析、时空立方体、支持向量机

所属期刊栏目：52

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60862003

在线出版日期：2019-03-29（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：337-342