基于蜜蜂局部相位量化特征选择的 RGB-D 面部表情识别
计算机视觉与模式识别
2023-08-04 v1 人工智能
摘要
特征选择可被定义为一个优化问题并由仿生算法求解。蜜蜂算法（BA）在特征选择优化任务中表现出良好性能。另一方面，局部相位量化（LPQ）是一种频域特征，在深度图像上具有优异表现。此处，从伊朗 Kinect 人脸数据库（IKFDB）的 RGB（彩色）与深度图像中提取 LPQ 特征后，应用蜜蜂特征选择算法选取所需数量的特征用于最终分类任务。IKFDB 由 Kinect 传感器 V.2 录制，包含用于面部及面部微表情识别的彩色与深度图像。此处使用愤怒、喜悦、惊讶、厌恶和恐惧五种面部表情进行最终验证。所提蜜蜂 LPQ 方法与粒子群优化（PSO）LPQ、PCA LPQ、Lasso LPQ 及仅 LPQ 特征在支持向量机（SVM）、K 近邻（KNN）、浅层神经网络与集成子空间 KNN 下的分类任务进行比较。返回结果显示，相较于其他方法，所提算法取得了良好性能（99% 准确率）。
引用
@article{arxiv.2308.01700,
title = {Bees Local Phase Quantization Feature Selection for RGB-D Facial Expressions Recognition},
author = {Seyed Muhammad Hossein Mousavi and Atiye Ilanloo},
journal= {arXiv preprint arXiv:2308.01700},
year = {2023}
}
备注
The International Workshop on the Bees Algorithm and its Applications, Birmingham, UK (https://sites.google.com/view/baaworkshop/baa-past-events/2022)