基于一对一极限学习机的人脸表情识别方法.pdfVIP

计 算 机 系 统 应 用 http：／／www．c—S—a．org．cn 2015年 第24卷 第 10期 基于一对一极限学习机的人脸表情识别方法① 张小庆，于威威 (上海海事大学 信息工程学院，上海 201306) 摘 要：为了克服极限学习机(ELM)稳定性差、识别率不高的缺陷，利用支持向量机(SⅥ 一对一投票式分类算法 准确度高的优势，提出一种改进的表情识别方法．该方法将一对一分类算法和 ELM 算法相结合形成一个新的算法 即OAO-ELM(One-Against-One-ExtremeLearningMachine)，首先，对样本采用一对一的分类并利用ELM训练成一 个弱分类器，然后，将这些弱分类器组合成一个最终的强分类器．预测结果，采用投票方式．用Gabor滤波提取表情 特征，由于提取后特征维度很高，冗余大，引入主成分分析(PCA)来降维．基于JAFFE数据库实验结果表明，该算法 在人脸表情识别上具有较高分类识别率和稳定性． 关键词：极限学习机；支持向量机；一对一；Gabor滤波；主成分分析 FacialExpressionRecognitionMethodBasedonOne—Against-OneExtremeLearningMachine ZHANGXiao-Qing，YUWei-Wei (InformationEngineeringCollege，ShanghaiMaritimeUniversity,Shanghai201306，China) Abstract：Byusingavoteofone—against-oneSupportVectorMachineadvantagesofhighclassificationalgorithm accurac~ an improved expression recognition method wasproposed in orderto modify hte Extreme Learning Machnie’S disadvnaatge ofbad satbility nad poorclassification accuracy．The method combniesone-aganist—one classification algorithm wiht ExrtemeLearningMachnie，whichareconsistofanew algorithm--OAO·ELM ．First，htealgorithm uses theELM processclassificationasweakclassifierwhenrtainingsamplebyone—against—one．Then，hteseweka classifiersare combinednitothefmallysrtongclassification．Predictiontheresultsofclassification，byvotestohteclass．Gaborfacial expressionalfeatures，sincehtehigh—dimensionalGaborfeaturesraeredundant；Th edimensionalprincipalcomponent na alysisisusedtoselectthesefeatures．ExperimenatlresultsbasedonhteJAFFE daatbaseshow htatitobatinshigher accuracyandbetterstabiliyt． Keywords：extremelema ingmachine；supportvectormachnie；one—against-one；Gaborfilter；PCA 1 引言 和惊奇(surprise)．人脸表情识别主要过程可 以分为预 人脸表情包含着非常丰富的信息，是人们 日常交 处理、特征提取和分类 3个步骤． 流情感有效、直接的方式．随着人机交互、模式识别 最常用的人脸表情分类方法主要有 K 最近邻 等技术的迅速发展，人脸表情识别现 已成为一个国际 (KNN，k__NearestNeighbor)算法、神经网络算法、支持 的研究热点．人脸表情识别涉及 的邻域有计算机视