微表情区别于普通的面部表情,具有持续时间短、面部强度低的特点,往往难以有效识别,制约了该领域的研究。针对上述难点,提出一种新颖的特征结合方法。采用全局光流技术在相邻帧间进行计算,得到微弱光流,通过传递前后各帧的运动信息,在...微表情区别于普通的面部表情,具有持续时间短、面部强度低的特点,往往难以有效识别,制约了该领域的研究。针对上述难点,提出一种新颖的特征结合方法。采用全局光流技术在相邻帧间进行计算,得到微弱光流,通过传递前后各帧的运动信息,在相隔多帧的两幅图像间体现更为明显的变化,解决了短历时和动作微弱的难题;将光流特征与LBP-TOP(Local Binary Patterns from Three Orthogonal Planes)算子提取的时空局部纹理特征相结合,补充描述人脸大多数区域的细节信息。选择随机森林分类器进行实验,实验结果表明,两种特征具有很好的互补性,在CASMEII数据库下,能识别5类情感,准确率由40.50%提高至64.46%,类间区分度也有相应改善。展开更多
文摘微表情区别于普通的面部表情,具有持续时间短、面部强度低的特点,往往难以有效识别,制约了该领域的研究。针对上述难点,提出一种新颖的特征结合方法。采用全局光流技术在相邻帧间进行计算,得到微弱光流,通过传递前后各帧的运动信息,在相隔多帧的两幅图像间体现更为明显的变化,解决了短历时和动作微弱的难题;将光流特征与LBP-TOP(Local Binary Patterns from Three Orthogonal Planes)算子提取的时空局部纹理特征相结合,补充描述人脸大多数区域的细节信息。选择随机森林分类器进行实验,实验结果表明,两种特征具有很好的互补性,在CASMEII数据库下,能识别5类情感,准确率由40.50%提高至64.46%,类间区分度也有相应改善。