随着資訊采集技術和傳感器技術的迅速發展，利用計算機視覺技術識别微表情的相關研究實驗已經越來越多。這些試驗中，實際擷取的圖像資料的維數越來越高，如何有效地描述圖像，友善後續處理，已成為圖像處理、模式識别、機器學習等領域急需要解決的問題之一。在已有的衆多的方法中，稀疏算法以其魯棒性好、泛化能力和抗幹擾能力強等優勢，已成為目前研究的熱點。本文被 pricai 2016 大會收錄，探讨了基于稀松k-svd算法的自發性微表情識别。
标題：基于稀松k-svd算法的自發性微表情識别
摘要：微表情識别因為太過細微，一直是計算機視覺領域一個具有挑戰性的問題，但往往很難隐藏。本文提出了一種稀松k-svd算法(rk-svd)來學習用于自發性微表情識别的稀疏字典。在rk-svd中，考慮到重建誤差和分類誤差，将稀疏系數的方差最小化來處理同類相似性和異類差異性。通過k-svd算法和随機梯度下降算法實作優化。最後，一個單獨的過完備詞典和一個最優線性分類器同時被學習。實驗結果基于兩個自發性微表情資料庫，casme和casme ii，表明新算法的性能優于其他先進算法。
關鍵詞：k-svd相關；字典學習；微表情識别
第一作者簡介：
hao zheng
南京曉莊學院，資訊工程學院，可信雲計算和大資料分析重點實驗室；
東南大學，計算機科學與工程學院，計算機網絡及資訊內建教育部重點實驗室；
新型軟體技術省級重點實驗室。
via pricai 2016
<a href="http://pan.baidu.com/s/1es9jdaa" target="_blank">論文原檔案下載下傳</a>
雷鋒網按: 本文由雷鋒網(公衆号：雷鋒網)獨家編譯，未經許可禁止轉載！
本文作者：陳楊英傑