表情認識のための修正されたスパース表現方法

この論文では、修正されたスパース表現認識（MSRR）メソッドに基づいた表情表現認識方法に関する研究を続けます。最初の段階では、Haar-like+LPPを使用して特徴を抽出し、寸法を削減します。第2段階では、サンプルから辞書を直接採用する代わりに、LC-K-SVD（ラベルの一貫したK-SVD）メソッドを採用して辞書をトレーニングし、トレーニングプロセスにブロック辞書トレーニングを追加します。3番目の段階では、OMP（直交マッチング追跡）の収束をスピードアップするために、Stomp（段階的な直交マッチング追跡）メソッドを使用します。その上、ノイズを抑制し、精度を向上させるために、動的な正則化係数が反復プロセスに追加されます。サンプルのトレーニング、寸法、特徴抽出および寸法削減方法、および自己構築データベースと日本のジャッフェとCMUのCKデータベースのノイズの側面から提案された方法を検証します。さらに、このまばらな方法を古典的なSVMおよびRVMと比較し、認識効果と時間効率を分析します。シミュレーション実験の結果は、MSRRメソッドの係数に情報の分類が含まれていることを示しています。これは、コンピューティング速度を改善し、満足のいく認識結果を達成できることを示しています。

In this paper, we carry on research on a facial expression recognition method, which is based on modified sparse representation recognition (MSRR) method. On the first stage, we use Haar-like+LPP to extract feature and reduce dimension. On the second stage, we adopt LC-K-SVD (Label Consistent K-SVD) method to train the dictionary, instead of adopting directly the dictionary from samples, and add block dictionary training into the training process. On the third stage, stOMP (stagewise orthogonal matching pursuit) method is used to speed up the convergence of OMP (orthogonal matching pursuit). Besides, a dynamic regularization factor is added to iteration process to suppress noises and enhance accuracy. We verify the proposed method from the aspect of training samples, dimension, feature extraction and dimension reduction methods and noises in self-built database and Japan's JAFFE and CMU's CK database. Further, we compare this sparse method with classic SVM and RVM and analyze the recognition effect and time efficiency. The result of simulation experiment has shown that the coefficient of MSRR method contains classifying information, which is capable of improving the computing speed and achieving a satisfying recognition result.