作者：张延良; 卢冰微表情识别信息增量特征描述子svm分类器核函数
摘要：基于LBP-TOP、HOG-TOP、HIGO-TOP特征描述子的微表情识别方法通常提取到的特征向量维度较高,计算复杂度较大,运行时间较长,识别准确率较低。为此,提出一种基于信息增量(IG)特征选择的识别方法。运用IG特征选择方法对高维度特征向量进行降维,提高识别效率。运用支持向量机分类器的线性核、卡方核、直方图交叉核进行留一交叉验证,以完成分类任务。在SMIC和CASME2数据集上进行实验,结果表明,经IG选择后,特征向量在2个数据集上的识别准确率分别达到76.22 %和73.68 %,分类所需时间分别缩短为原方法的3.67 %和 3.64 %,验证了该方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
