導讀：隨著信息采集技術(shù)和傳感器技術(shù)的迅速發(fā)展，利用計算機視覺技術(shù)識別微表情的相關(guān)研究實驗已經(jīng)越來越多。這些試驗中，實際獲取的圖像數(shù)據(jù)的維數(shù)越來越高，如何有效地描述圖像，方便后續(xù)處理，已成為圖像處理、模式識別、機器學習等領(lǐng)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(yōu)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(fā)性微表情識別。

標題：基于稀松K-SVD算法的自發(fā)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(lǐng)域一個具有挑戰(zhàn)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(fā)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(shù)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(xiàn)優(yōu)化。最后，一個單獨的過完備詞典和一個最優(yōu)線性分類器同時被學習。實驗結(jié)果基于兩個自發(fā)性微表情數(shù)據(jù)庫，CASME和CASME II，表明新算法的性能優(yōu)于其他先進算法。

關(guān)鍵詞：K-SVD相關(guān)；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(shù)據(jù)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(wǎng)絡(luò)及信息集成教育部重點實驗室；

新型軟件技術(shù)省級重點實驗室。

via PRICAI 2016

論文原文件下載

雷鋒網(wǎng)按: 本文由雷鋒網(wǎng)獨家編譯，未經(jīng)許可禁止轉(zhuǎn)載！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。