基于Fisher特征选择的微表情识别

作     者：张延良 卢冰 蒋涵笑 洪晓鹏 赵国英 张伟涛 Zhang Yanliang;Lu Bing;Jiang Hanxiao;Hong Xiaopeng;Zhao Guoying;Zhang Weitao

作者机构：河南理工大学物理与电子信息学院河南焦作454150 西安交通大学电子与信息工程学院陕西西安710049 奥卢大学机器视觉和信号分析研究中心芬兰奥卢FI-90014 西安电子科技大学电子工程学院陕西西安710071 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2020年第37卷第9期

页      面：68-74页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(61571339) 网络与交换技术国家重点实验室开放课题(SKLNST-2016-1-02) 河南理工大学博士基金项目(B2017-55) 

主　　题：微表情识别 特征描述子 Fisher特征选择 识别准确率 

摘      要：微表情时空特征描述子提取到的特征向量维数高,导致分类算法运算复杂度高,运行时间长,识别准确率较低。为此提出基于Fisher特征选择的方法,挑选鉴别力强的特征分量,对特征向量进行降维。采用“留一交叉验证法,在CASMEII和SMIC两个数据集下分类实验表明,经Fisher特征选择后微表情的识别率可以达到75.71%和75%,分别较原特征向量识别率提高了61.22%和46.43%,而维数仅为原特征向量维数的4.18%和4.71%,分类所需时间是原方法的4.27%和1.61%。