多特征多分类器优化匹配的人脸表情识别

• 作者: 任福继 王晓华 胡敏 金超 黄伟
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 表情识别 主成分分析 多分类器最优集成 自适应决策
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: ?模式识别?
• 页码范围: 73-79
• 页数: 7页
• 分类号: TP391
• 字数: 3860字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2016.03.012

摘要

针对主成分分析(Principal Component Analysis, PCA)降维过程中由于特征值相对集中而造成维数仍然偏高的不足，本文提出了基于最优样本的主成分分析(Optimal Sample-PCA, OS-PCA)降维方法。OS-PCA通过选择训练样本、优化协方差矩阵，从而达到进一步降维的目的。鉴于离散余弦变换(Discrete Cosine Transform，DCT)对光照的鲁棒性，以及局部二值模式(Local Binary Patterns，LBP)对局部纹理特征的有效描述，本文结合DCT和LBP特征来弥补单一OS-PCA特征在人脸表情表征方面的局限性。为了更好地发挥特征与分类器的协作优势，文章构造了一个三层多分类器最优集成的人脸表情识别模型。该模型首先对表情图像进行预处理操作；然后提取 OS-PCA、DCT 和 LBP 特征送入三层模型；最后基于单一特征和相应单一分类器的最佳匹配组合，完成多特征与多分类器的最优集成；在执行粗分类结果投票表决的基础上，进一步对仍有分歧的表情图像进行自适应决策，从而得到最终识别结果。实验表明，OS-PCA较PCA进一步有效地降低了特征维数；同时，基于多特征多分类器的三层识别模型在JAFFE和CK库上分别获得了高于95%和96%的识别率，并表现出比较优越的时间性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡敏	合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室	116	1456	20.0	34.0
2	王晓华	合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室	37	504	11.0	22.0
3	黄伟	合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室	16	58	5.0	7.0
4	任福继	合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室	25	106	7.0	9.0
5	金超	合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室	4	29	3.0	4.0