计算机工程

作者：张延良,卢冰

单位：河南理工大学 物理与电子信息学院,河南 焦作 454150

关键词：微表情识别, 信息增量, 特征描述子, SVM分类器, 核函数

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)。

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。

来源：2019年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第5期