融合全局与局部多样性特征的人脸表情识别

• 作者: 张强 张文明 李海滨 李雅倩 李颖杰
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 机器视觉 表情识别 流形学习 特征提取
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 机器视觉
• 页码范围: 164-170
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3788/AOS201434.0515001

摘要

通常主成分分析(PCA)只能保持数据的全局结构,邻域保持嵌入(NPE)算法只能保持邻域样本间的相似性,忽略了其差异性.针对上述问题,提出了一种融合全局与局部多样性的特征提取算法,并将其应用于人脸表情识别中.该算法利用PCA算法保持全局结构,并通过流形学习思想定义局部差异离散度和局部相似离散度,结合最大局部散度差准则,有效刻画出局部流形结构的多样性;将全局特征和局部多样性特征相结合,提取出低维流形特征用于表情分类.在JAFFE和Cohn-Kanade人脸表情数据库上的实验表明,该算法与PCA、局部保持投影(LPP)、NPE等算法相比,不仅有效地提高了识别率,而且在取得最高识别率时所需维数最低,证明了此算法在识别效果方面的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海滨		77	591	12.0	20.0
2	张文明		32	256	8.0	15.0
3	李雅倩		27	149	9.0	11.0
4	张强		33	201	8.0	13.0
5	李颖杰		1	0	0.0	0.0