基于積分投影和lstm的微表情識(shí)別研究

《基于積分投影和lstm的微表情識(shí)別研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于積分投影和LSTM的微表情識(shí)別研究摘要：現(xiàn)有的微表情識(shí)別研究主要是利用基于局部二值模式（LBP）改進(jìn)的算法并結(jié)合支持向量機(jī)（SVM）來識(shí)別。最近，積分投影開始應(yīng)用于人臉識(shí)別領(lǐng)域。長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM）作為循環(huán)神經(jīng)網(wǎng)絡(luò)，可以用來處理時(shí)序數(shù)據(jù)。因此提出了結(jié)合積分投影和LSTM的模型（LSTM-IP），在最新的微表情數(shù)據(jù)庫CASMEII上進(jìn)行實(shí)驗(yàn)。通過積分投影得到水平和垂直投影向量作為L(zhǎng)STM輸入并分類，同時(shí)采用了防止過擬合技術(shù)。實(shí)驗(yàn)結(jié)果表明，LSTM-IP算法取得了比以前的方法更好的精度。中國8/vie　　關(guān)鍵詞

2、：積分投影；循環(huán)神經(jīng)網(wǎng)絡(luò)；長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)；防止過擬合技術(shù)；精度；留一法　　中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)志碼：A：1006-8228（2017）04-13-04　　Abstract：TheexistingresearchonmicroexpressionrecognitionismainlybasedontheimprovedLBP（localbinarypatterns）algorithmandSVM（supportvectormachine）.Recently，integralprojectionhasbeen

3、appliedinthefieldoffacerecognition.Thelongandshortmemoryeseriesdata.SoLSTM-IPmodel，entedonthelatestmicro-expressiondatabaseCASMEII.ThehorizontalandverticalprojectionvectorsobtainedbyintegralprojectionareusedastheinputofLSTMandclassified，andtheover-fittingpreven

4、tingmethodisused.Theexperimentalresultsshogetsbetterresultsthanthepreviousmethod.　　Keyemory可以對(duì)時(shí)序數(shù)據(jù)進(jìn)行分類，以前基本用在語音識(shí)別和自然語言處理的任務(wù)中，很少用于圖像識(shí)別，可能是因?yàn)長(zhǎng)STM處理的是一維的數(shù)據(jù)，而圖像是二維的數(shù)據(jù)。將圖像的二維信息積分投影到一維（水平方向和垂直方向），并以此作為L(zhǎng)STM的輸入并分類，這樣就能將二者很好的結(jié)合起來?！　”疚臉?gòu)造了基于積分投影和LSTM的深度學(xué)習(xí)的模型來對(duì)微表情進(jìn)行識(shí)別。得到的結(jié)

5、果不僅比以前的基于局部二值模式（LBP）的方法好，而且也略微的優(yōu)于最近基于積分投影的論文中的方法。　　1CASMEII微表情數(shù)據(jù)集介紹　　2014年，中科院心理研究所建立了更進(jìn)一步改進(jìn)的自然誘發(fā)的微表情數(shù)據(jù)庫CASMEII[8]。CASMEII有26個(gè)平均年齡為22歲左右的亞洲人，9類表情（happiness，surprise，disgust，fear，sadness，anger，repression，tense，negative）組成。用來錄制的高速相機(jī)為200fps。高速相機(jī)可以捕捉更細(xì)節(jié)的微表情。CASMEII

6、是據(jù)我們所知目前最好的自然誘發(fā)的微表情數(shù)據(jù)庫?！　?基于差分圖像的積分投影　　Mateos等人的開拓性工作[6-7]表明積分投影可以提取同一人臉圖像的共同基本特征。積分投影將人臉的特征水平和垂直投影，可以用公式⑴和⑵表示：　　其中It（x，y）表示時(shí)間為t時(shí)，圖像位于（x，y）時(shí)的像素值，Ht（y）和Vt（x）表示水平和垂直積分投影。直接將積分投影應(yīng)用到CASMEII微表情數(shù)據(jù)集上效果如圖1所示?！　∪欢?，由于微表情的變化是十分微小的，若直接采用上面的積分投影會(huì)有很多噪聲，從圖1（c）可以看出區(qū)分不是很明顯。因此，我

7、們采用改進(jìn)的積分投影方法?？梢杂霉舰呛廷缺硎荆骸　∥覀儗⒚總€(gè)視頻下的2到N幀微表情的圖像減去第1幀，將得到的差分圖像做積分投影，效果如圖2所示。　　從圖2的（c）可以看出，采用基于差分圖像的水平積分投影效果更好，去掉了不必要的噪聲。