0
| 本文作者: no name | 2016-08-29 13:22 |
導讀:隨著信息采集技術和傳感器技術的迅速發展,利用計算機視覺技術識別微表情的相關研究實驗已經越來越多。這些試驗中,實際獲取的圖像數據的維數越來越高,如何有效地描述圖像,方便后續處理,已成為圖像處理、模式識別、機器學習等領域急需要解決的問題之一。在已有的眾多的方法中,稀疏算法以其魯棒性好、泛化能力和抗干擾能力強等優勢,已成為目前研究的熱點。本文被 PRICAI 2016 大會收錄,探討了基于稀松K-SVD算法的自發性微表情識別。

標題:基于稀松K-SVD算法的自發性微表情識別
摘要:微表情識別因為太過細微,一直是計算機視覺領域一個具有挑戰性的問題,但往往很難隱藏。本文提出了一種稀松K-SVD算法(RK-SVD)來學習用于自發性微表情識別的稀疏字典。在RK-SVD中,考慮到重建誤差和分類誤差,將稀疏系數的方差最小化來處理同類相似性和異類差異性。通過K-SVD算法和隨機梯度下降算法實現優化。最后,一個單獨的過完備詞典和一個最優線性分類器同時被學習。實驗結果基于兩個自發性微表情數據庫,CASME和CASME II,表明新算法的性能優于其他先進算法。
關鍵詞:K-SVD相關;字典學習;微表情識別
第一作者簡介:
Hao Zheng
南京曉莊學院,信息工程學院,可信云計算和大數據分析重點實驗室;
東南大學,計算機科學與工程學院,計算機網絡及信息集成教育部重點實驗室;
新型軟件技術省級重點實驗室。
via PRICAI 2016
雷鋒網按: 本文由雷鋒網獨家編譯,未經許可禁止轉載!

雷峰網原創文章,未經授權禁止轉載。詳情見轉載須知。