基于二维异方差线性判别分析、Gabor小波和集成学习的面部表情表示与识别
计算机视觉与模式识别
2012-07-23 v7 机器学习
摘要
本文提出了一种用于二维图像序列中面部表情表示与识别的新方法。我们将二维异方差线性判别分析（2DHLDA）算法的一种变体作为一种有效的降维技术，应用于输入序列的Gabor表示。2DHLDA是二维线性判别分析（2DLDA）方法的扩展，它去除了等类内协方差的假设。通过在两个方向上应用2DHLDA，我们消除了图像列和图像行之间的相关性。然后，我们对新特征执行一维LDA。这种组合方法可以缓解HLDA遇到的小样本大小问题和不稳定性。此外，利用几何特征和外观特征，并采用基于数据融合的集成学习方案，我们创建了一个能够有效分类面部表情的分类器。所提出的方法对光照变化具有鲁棒性，并且能够恰当地表示时间信息以及面部肌肉的细微变化。我们在Cohn-Kanade数据库上进行了实验，证明了所提出方法的优越性。
引用
@article{arxiv.1004.0378,
title = {Facial Expression Representation and Recognition Using 2DHLDA, Gabor Wavelets, and Ensemble Learning},
author = {Mahmoud Khademi and Mohammad H. Kiapour and Mehran Safayani and Mohammad T. Manzuri and M. Shojaei},
journal= {arXiv preprint arXiv:1004.0378},
year = {2012}
}
备注
This paper has been withdrawn by the author due to an error in experimental results