基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
微表情是一种不能自主控制和伪装的面部表情,其与诚信度的关系密切,具有持续时间短且难以识别的特征.为提高计算机自动识别微表情的准确性,提出一种基于差分能量图和中心化Gabor二值模式(centralizedGabor binary patterns,CGBP)的微表情识别方法.该方法首先利用差分法计算微表情序列的能量得到差分能量图,获得人脸面部肌肉相位的变化;其次将Gabor与中心二值模式CBP相结合,得到CGBP算子对能量图进行微表情的特征提取;最后利用ELM分类器进行微表情分类识别.在CASME微表情库上的实验结果表明,该方法比LBP-TOP、DTSA3、Gabor、VLBP、CBP-TOP算法更能有效地获得微表情序列的时空纹理特征,平均识别率为86.54%.
推荐文章
基于差分纹理的人脸表情识别
面部表情
Delaunay 三角剖分
差分纹理特征
主动形状模型
基于人工智能的微表情识别技术
人工智能
微表情
识别技术
识别性能
基于改进的深度残差网络的表情识别研究
深度学习
残差网络
表情识别
迁移学习
支持向量机
基于差分定位与光流特征提取的微表情识别
微表情识别
光流分析
图像差分
主成分分析
面部行为编码系统
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于差分能量图和CGBP的微表情识别
来源期刊 西南交通大学学报 学科 工学
关键词 图像处理 微表情识别 差分能量图 中心化Gabor二值化模式 ELM分类器
年,卷(期) 2016,(6) 所属期刊栏目
研究方向 页码范围 1222-1229
页数 8页 分类号 TP391.4
字数 5598字 语种 中文
DOI 10.3969/j.issn.0258-2724.2016.06.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于洋 河北工业大学计算机科学与软件学院 29 181 8.0 12.0
2 于明 河北工业大学计算机科学与软件学院 100 698 15.0 21.0
3 刘依 河北工业大学计算机科学与软件学院 7 15 2.0 3.0
4 王英资 河北工业大学计算机科学与软件学院 7 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (86)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1969(3)
  • 参考文献(1)
  • 二级参考文献(2)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(5)
  • 参考文献(2)
  • 二级参考文献(3)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像处理
微表情识别
差分能量图
中心化Gabor二值化模式
ELM分类器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西南交通大学学报
双月刊
0258-2724
51-1277/U
大16开
四川省成都市二环路北一段
62-104
1954
chi
出版文献量(篇)
3811
总下载数(次)
4
总被引数(次)
51589
论文1v1指导