文献类型：期刊文章

作　　者：姜明星[1,2] 胡敏[1] 王晓华[1] 任福继[1,3] 王浩文[1]

Jiang Mingxing;Hu Min;Wang Xiaohua;Ren Fuji;Wang Haowen(Anhui Province Key Laboratory of Affective Computing and Advanced Intelligent Machine,School of Computer and Information,Hefei University of Technology,Hefei,Anhui 230009,China;Information and Service Department,Anhui Institute of International Business Hefei,Anhui 231131,China;Graduate School of Advanced Technology＆ Science,University of Tokushima,Tokushima 7708502,Japan)

机构地区：[1]合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室,安徽合肥230009 [2]安徽国际商务职业学院信息服务系,安徽合肥231131 [3]德岛大学先端技术科学教育部,日本德岛7708502

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61672202;61502141);国家自然科学基金-深圳联合基金(U1613217);高校优秀青年骨干人才国内外访学研修(gxfx2017189);安徽高校自然科学研究(KJ2016A126)

年　　份：2018

卷　　号：55

期　　号：7

起止页码：161-168

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对时空局部方向角模式应用到视频情感识别时,出现的特征稀疏、噪声敏感等问题,提出了一种新的特征提取算法——时空局部三值方向角模式(SLTOP)。考虑到表情和姿态特征的互补性,提出云加权决策融合的分类方法。对视频图像进行预处理,得到表情和姿态两种模态的序列;分别提取表情序列和姿态序列的SLTOP特征,并借鉴灰度矩阵思想解决特征直方图过于稀疏的问题;在决策分类阶段,引入云模型对表情和姿态两种模态进行云加权决策融合,实现双模态情感的最终识别。在FABO数据库中,表情和姿态单模态分别取得了92.21%和96.76%的平均识别率;与体积局部二值模式、三正交平面局部二值模式(LBP-TOP)、时空局部三值模式矩(TSLTPM)比较时,在表情模态上分别高约18.42%、22.01%、9.15%,而在姿态模态上分别高约26.59%、29.53%、1.98%。通过云加权融合得到平均识别率为97.54%,均高于其他实验得到的数据。所提出的SLTOP,对噪声和光照具有很好的稳健性。利用云模型的加权决策融合方法可以较好地发挥表情和姿态分类器的性能,得到较好的识别结果,与其他分类识别方法进行对比实验,结果同样表现出优越性。

关 键 词：图像处理 表情 姿态  时空局部三值方向角模式  云模型

分 类 号：TP301.6]