基于LBP-TOP特征的微表情识别

• 作者: 卢官明 李海波 杨成 杨文娟 闫静杰
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 微表情 LBP-TOP 局部线性嵌入 ReliefF 支持向量机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 通信与电子
• 页码范围: 1-7
• 页数: 7页
• 分类号: TN919.81
• 字数: 5404字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2017.06.001

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢官明	南京邮电大学通信与信息工程学院	74	904	16.0	29.0
2	杨成	南京邮电大学通信与信息工程学院	2	6	1.0	2.0
3	闫静杰	南京邮电大学通信与信息工程学院	16	123	5.0	11.0
4	杨文娟	南京邮电大学通信与信息工程学院	3	18	2.0	3.0