PRICAI 2016 論文精選 | 基于稀松K-SVD算法的自發性微表情識別

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

論文原文件下載

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。