随着信息采集技术和传感器技术的迅速发展，利用计算机视觉技术识别微表情的相关研究实验已经越来越多。这些试验中，实际获取的图像数据的维数越来越高，如何有效地描述图像，方便后续处理，已成为图像处理、模式识别、机器学习等领域急需要解决的问题之一。在已有的众多的方法中，稀疏算法以其鲁棒性好、泛化能力和抗干扰能力强等优势，已成为目前研究的热点。本文被 PRICAI 2016 大会收录，探讨了基于稀松K-SVD算法的自发性微表情识别。
标题：基于稀松K-SVD算法的自发性微表情识别
摘要：微表情识别因为太过细微，一直是计算机视觉领域一个具有挑战性的问题，但往往很难隐藏。本文提出了一种稀松K-SVD算法(RK-SVD)来学习用于自发性微表情识别的稀疏字典。在RK-SVD中，考虑到重建误差和分类误差，将稀疏系数的方差最小化来处理同类相似性和异类差异性。通过K-SVD算法和随机梯度下降算法实现优化。最后，一个单独的过完备词典和一个最优线性分类器同时被学习。实验结果基于两个自发性微表情数据库，CASME和CASME II，表明新算法的性能优于其他先进算法。
关键词：K-SVD相关；字典学习；微表情识别
第一作者简介：
Hao Zheng
南京晓庄学院，信息工程学院，可信云计算和大数据分析重点实验室；
东南大学，计算机科学与工程学院，计算机网络及信息集成教育部重点实验室；
新型软件技术省级重点实验室。
via PRICAI 2016
雷锋网按: 本文由雷锋网(公众号：雷锋网)独家编译，未经许可禁止转载！
本文作者：陈杨英杰
本文转自雷锋网禁止二次转载，原文链接
