基于Fisher特征选择的微表情识别

摘要

微表情时空特征描述子提取到的特征向量维数高,导致分类算法运算复杂度高,运行时间长,识别准确率较低.为此提出基于Fisher特征选择的方法,挑选鉴别力强的特征分量,对特征向量进行降维.采用"留一交叉验证"法,在CASMEII和SMIC两个数据集下分类实验表明,经Fisher特征选择后微表情的识别率可以达到75.71％和75％,分别较原特征向量识别率提高了61.22％和46.43％,而维数仅为原特征向量维数的4.18％和4.71％,分类所需时间是原方法的4.27％和1.61％.