| 基于LBP-TOP特征的微表情识别 |
| Micro expression recognition based on LBP TOP features |
| |
| DOI： |
| 中文关键词: 微表情；LBP TOP；局部线性嵌入；ReliefF；支持向量机 |
| 英文关键词:micro expression; local binary pattern from three orthogonal plane(LBP TOP); locally linear embedding(LLE); ReliefF; support vector machine(SVM) |
| 基金项目:国家自然科学基金（61501249）、江苏省重点研发计划（BE2016775）、江苏省自然科学基金（BK20150855）、江苏省高校自然科学研究面上项目（15KJB510022）和江苏省研究生科研与实践创新计划（KYCX17_0787）资助项目 |
| 作者 | 单位 | | 卢官明 | 南京邮电大学 通信与信息工程学院，江苏南京210003 | | 杨成 | 南京邮电大学 通信与信息工程学院，江苏南京210003 | | 杨文娟 | 南京邮电大学 通信与信息工程学院，江苏南京210003 | | 闫静杰 | 南京邮电大学 通信与信息工程学院，江苏南京210003 | | 李海波 | 南京邮电大学 通信与信息工程学院，江苏南京210003 |
|
| 摘要点击次数: 2165 |
| 全文下载次数: 1953 |
| 中文摘要: |
| 微表情是一个人试图隐藏内心真实情感却又不由自主流露出的不易被察觉的面部表情。与一般面部表情相比，微表情最显著的特点是持续时间短、强度弱，往往难以有效识别。文中提出了一种基于LBP TOP（Local Binary Pattern from Three Orthogonal Planes）特征和支持向量机（Support Vector Machine，SVM）分类器的微表情识别方法。首先，采用LBP TOP算子来提取微表情特征；然后，提出一种基于ReliefF与局部线性嵌入（Locally Linear Embedding，LLE）流形学习算法相结合的特征选择算法，对提取的LBP TOP特征向量进行降维；最后，使用径向基函数（Radial Basis Function，RBF）核的SVM分类器进行分类，将测试样本图像序列的微表情分为 5 类：高兴、厌恶、压抑、惊讶、其他。在CASME II微表情数据库上采用“留一人交叉验证”（Leave One Subject Out Cross Validation，LOSO CV）的方式进行了实验，可得到58.98%的分类准确率。实验结果表明了该算法的有效性。 |
| 英文摘要: |
| Micro expressions are involuntary facial expressions revealing true feelings when a person tries to conceal facial expressions.Compared with normal facial expressions,the most significant characteristic of micro expressions is their short duration and weak intensity,thus it is diffcult to be recognized.In this paper,a micro expression recognition method based on local binary pattern from three orthogonal plane(LBP TOP) features and support vector machine (SVM) based classifier is proposed.Firstly,the LBP TOP operators are used to extract micro expression features.Then,the feature selection algorithm combining the ReliefF with manifold learning algorithm based on locally linear embedding (LLE) is proposed to reduce the dimensionality of extracted LBP TOP feature vectors.Finally,the SVM based classifier with radial basis function (RBF) kernel is used to classify test samples into five categories of micro expressions:happiness,disgust,repression,surprise,and others.Experiments are carried out on the micro expression database CASME II using leave one subject out cross validation (LOSO CV) method.The classification accuracy can reach 58.98%.Experimental results show the effectiveness of the proposed method. |
| 查看全文 查看/发表评论 下载PDF阅读器 |