Facial Expression Recognition with Independent Subspace Analysis Based Feature Learning

摘要

手工设计的特征(如gAbOr、lbP等)在表情识别中得到了广泛的应用。独立子空间分析是一种无监督特征学习方法,可从图像中学习出具有相位不变的特征。在表情识别应用中,由于复杂背景的影响以及人脸对齐方法的局限性,很难得到精确对齐的人脸图像序列。研究了在非精确对齐情况下,基于独立子空间分析的表情识别问题。通过分析不同子空间尺寸下的表情识别效果发现,在非精确对齐情况下,选择合适的子空间尺寸能提升学到的特征对表情识别的鲁棒性。