南京市卫生局医学科技发展项目(VKX07020)
- 作品数：2 被引量：19H指数：1
- 相关作者：卢官明李晓南郭旻邹婵洁更多>>
- 相关机构：南京医科大学第二附属医院南京邮电大学更多>>
- 发文基金：南京市卫生局医学科技发展项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 新生儿疼痛面部表情识别方法的研究被引量：18
- 2008年
- 针对新生儿的疼痛与非疼痛面部表情识别,提出将Gabor变换和支持向量机(SVM)相结合的分类识别方法。对归一化后的大小为112pixel×92pixel的新生儿面部图像进行二维Gabor小波变换,提取出412160维Gabor特征;针对Gabor特征向量维数高、冗余大的特点,采用Adaboost算法作为特征选择工具,去除冗余的Gabor特征,从412160维特征中选取出900维Gabor特征;对选取出的Gabor特征用SVM进行疼痛表情的分类识别。该方法综合运用Gabor特征对于面部表情的良好表征能力、AdaBoost算法的特征选择能力以及SVM在处理少样本、高维数问题中的优势。对510幅新生儿的表情图像进行测试的结果表明,疼痛与非疼痛表情的分类识别率达到85.29%,疼痛与安静表情的分类识别率达到94.24%,疼痛与哭表情的分类识别率达到78.24%。
- 卢官明李晓南李海波
- 关键词：表情识别支持向量机新生儿疼痛ADABOOST算法GABOR变换
- 新生儿疼痛面部表情的特征提取被引量：1
- 2008年
- 针对新生儿的疼痛表情识别,提出了将Gabor小波变换与改进的KDA相结合的特征提取方法。首先对新生儿面部图像进行Gabor变换,然后针对变换后的Gabor特征,用一种改进的核鉴别分析方法对它进行二次特征提取。该方法从根本上解决了表情识别中因小样本问题而引起的核类内离散度矩阵(kernel within-class scatter matrix)奇异性的问题。最后,对提取的特征用支持向量机进行了疼痛表情的分类识别。实验结果表明,此表情特征提取方法能够显著改善表情识别系统的性能。
- 卢官明邹婵洁李晓南李海波郭旻
- 关键词：新生儿疼痛面部表情特征提取GABOR小波变换
