基于Fisher特征选择的微表情识别

张延良 卢 冰 蒋涵笑 洪晓鹏 赵国英 张伟涛

1(河南理工大学物理与电子信息学院 河南 焦作 454150)2(西安交通大学电子与信息工程学院 陕西 西安 710049)3(奥卢大学机器视觉和信号分析研究中心 芬兰 奥卢 FI-90014)4(西安电子科技大学电子工程学院 陕西 西安 710071)

0 引 言

在日常的人际交流和沟通过程中，面部表情是传递情感的重要途径。除了日常所见的普通面部表情，还有种试图隐藏内心真实情感却又不由自主流露出的不易被察觉的微表情。微表情是无法伪装和无法控制的自发式表情[1-3]。心理学家们普遍认为微表情是测谎的重要线索，可以在国家安全[4]、案件侦破[5]、婚姻关系预测[6]、交流谈判[7]等邻域发挥很大的作用。

微表情最显著的特点就是持续时间短、强度弱，往往难以有效识别。普通人捕捉和识别微表情准确率较低，美国学者Ekman开发了辅助微表情识别训练工具METT[8]来训练对微表情的检测和识别。但是，经过该工具训练的专业人士，识别准确率也仅为47%[9]。因此，运用计算机视觉技术实现微表情的识别成为情感计算领域的一个重要研究课题。

视频序列中微表情特征提取算法的研究很多。在微表情识别的最初工作中,运用局部二值模式(Local Binary Pattern,LBP)[10]的一种拓展描述算子三正交平面局部二值模式(Local Binary Pattern on Three Orthogonal Plane，LBP-TOP)[11]来编码局部像素的时空共生模式。对LBP模式加以改进，又出现了时空完备局部量化描述子[12]、六交点局部二值描述子[13]、时空局部二值模式积分图描述子[14]、时空中心化二值描述子[15]等微表情特征提取方法。……