基于积分投影及lstm微表情识别探究

《基于积分投影及lstm微表情识别探究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于积分投影及LSTM微表情识别探究　　摘要：现有的微表情识别研究主要是利用基于局部二值模式（LBP）改进的算法并结合支持向量机（SVM）来识别。最近，积分投影开始应用于人脸识别领域。长短时记忆网络（LSTM）作为循环神经网络，可以用来处理时序数据。因此提出了结合积分投影和LSTM的模型（LSTM-IP），在最新的微表情数据库CASMEII上进行实验。通过积分投影得到水平和垂直投影向量作为LSTM输入并分类，同时采用了防止过拟合技术。实验结果表明，LSTM-IP算法取得了比以前的方法更好的精度关键词：积分投影；循环神经网络；长短时记忆网络；防止过拟合技术；精度；留一

2、法中图分类号：TP391.4文献标志码：A文章编号：1006-8228（2017）04-13-04Abstract：TheexistingresearchonmicroexpressionrecognitionismainlybasedontheimprovedLBP（localbinarypatterns）algorithmandSVM（supportvectormachine）.Recently，integralprojectionhasbeenappliedinthefieldoffacerecognition.Thelongandshortmemorynet

3、work（LSTM），asakindofrecurrentneuralnetwork，canbeusedtoprocesstime12seriesdata.SoLSTM-IPmodel，whichcombinesintegralprojectionwithLSTM，isproposed，andexperimentedonthelatestmicro-expressiondatabaseCASMEII.Thehorizontalandverticalprojectionvectorsobtainedbyintegralprojectionareusedastheinp

4、utofLSTMandclassified，andtheover-fittingpreventingmethodisused.TheexperimentalresultsshowthatLSTM-IPalgorithmgetsbetterresultsthanthepreviousmethod.Keywords：integralprojection；recurrentneuralnetwork；longandshortmemorynetwork；preventover-fitting；accuracy；leave-one-subject-outcrossvalida

5、tion0引言人们表情的短时间变化，也叫微表情，心理学在这方面的研究很早就开始了。近年来，有关利用机器学习的方法来对微表情进行研究的学者越来越多，其成为当前一个热门研究方向。微表情的研究成果可用于测谎[2-4]、临床诊断等方面，因�橐话闳思幢闶切睦硪缴�也很难注意到1/25～1/5秒人表情的变化[1]，而这时，机器可以很好的对微表情进行自动的识别12最近，基于积分投影和纹理描述符的方法被用在人脸识别[5]，然而，很少有研究将积分投影用于包含人脸的时间序列中进行识别。微表情与人脸识别有很大不同，特征很难单从每帧图片中提取，这时就需要考虑时间轴。LSTM可以对时序数据进

6、行分类，以前基本用在语音识别和自然语言处理的任务中，很少用于图像识别，可能是因为LSTM处理的是一维的数据，而图像是二维的数据。将图像的二维信息积分投影到一维（水平方向和垂直方向），并以此作为LSTM的输入并分类，这样就能将二者很好的结合起来本文构造了基于积分投影和LSTM的深度学习的模型来对微表情进行识别。得到的结果不仅比以前的基于局部二值模式（LBP）的方法好，而且也略微的优于最近基于积分投影的论文中的方法1CASMEII微表情数据集介绍2014年，中科院心理研究所建立了更进一步改进的自然诱发的微表情数据库CASMEII[8]。CASMEII有26个平均年龄为2

7、2岁左右的亚洲人，9类表情（happiness，surprise，disgust，fear，sadness，anger，repression，tense，negative）组成。用来录制的高速相机为200fps。高速相机可以捕捉更细节的微表情。CASMEII是据我们所知目前最好的自然诱发的微表情数据库2基于差分图像的积分投影12Mateos等人的开拓性工作[6-7]表明积分投影可以提取同一人脸图像的共同基本特征。积分投影将人脸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）表示时间为t时，图像位于（x，y）时的像素值，Ht（y）和Vt（x）表示水平