Resumen

La obtención de un método válido de reconocimiento de expresiones faciales (FER) sigue siendo un punto caliente de investigación en el campo de la inteligencia artificial. En este artículo, proponemos un espacio de características de fusión multiparamétrico y una clasificación basada en la votación por decisión para el reconocimiento de la expresión facial. En primer lugar, el parámetro del espacio de características de fusión se determina de acuerdo con la precisión de reconocimiento de la validación cruzada del Histograma Uniforme de Patrones Binarios Locales a Escala Múltiple (MB-LBPUH) del descriptor filtrado sobre las muestras de entrenamiento. De acuerdo con los parámetros, construimos varios espacios de características de fusión empleando el análisis discriminante lineal multiclase (LDA). En estos espacios, se utilizan características de fusión compuestas por características MB-LBPUH y Histograma de Gradiente Orientado (HOG) para representar diferentes expresiones faciales. Por último, para resolver el problema de los patrones clasificables inconvenientes causados por las clases de expresión similares, se diseña una estrategia de votación por decisión basada en el vecino más cercano para predecir los resultados de la clasificación. En los experimentos realizados con los conjuntos de datos JAFFE, CK y TFEID, el modelo propuesto superó claramente a los algoritmos existentes.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:espacio de características de fusión, reconocimiento de la expresión facial, campo de la inteligencia artificial, estrategia de voto de decisión, precisión de reconocimiento de validación, expresión facial diferente, bloque binario local, patrón binario uniforme, problema de patrón clasificable, clase de expresión similar
• Keywords:fusion features space, facial expression recognition, artificial intelligence field, decision voting strategy, validation recognition accuracy, different facial expression, block local binary, binary pattern uniform, classifiable pattern problem, similar expression class