Bees Local Phase Quantization Feature Selection for RGB-D Facial Expressions Recognition

要約

特徴選択は最適化問題として定義され、生物に着想を得たアルゴリズムによって解決される。蜜蜂アルゴリズム(BA)は、特徴選択最適化タスクにおいて適切な性能を示す。一方、局所位相量子化(LPQ)は周波数領域の特徴であり、深度画像に対して優れた性能を持つ。ここでは、イランKinect顔データベース（IKFDB）からRGB（カラー）画像とDepth画像からLPQ特徴を抽出した後、Bees特徴選択アルゴリズムを適用し、最終的な分類タスクに必要な特徴数を選択する。IKFDBはKinectセンサーV.2で記録され、顔と顔の微表情認識のためのカラー画像と深度画像を含む。ここでは、最終的な検証のために、怒り、喜び、驚き、嫌悪、恐怖の5つの表情が使用されている。提案するBees LPQ法は、サポートベクターマシン（SVM）、K-最近傍（KNN）、浅いニューラルネットワーク、アンサンブル部分空間KNNを用いた分類タスクにおいて、粒子群最適化（PSO）LPQ、PCA LPQ、ラッソLPQ、および単なるLPQ特徴と比較される。返された結果は、他のアルゴリズムと比較して、提案アルゴリズムの適切な性能（99 %の精度）を示している。

要約(オリジナル)

Feature selection could be defined as an optimization problem and solved by bio-inspired algorithms. Bees Algorithm (BA) shows decent performance in feature selection optimization tasks. On the other hand, Local Phase Quantization (LPQ) is a frequency domain feature which has excellent performance on Depth images. Here, after extracting LPQ features out of RGB (colour) and Depth images from the Iranian Kinect Face Database (IKFDB), the Bees feature selection algorithm applies to select the desired number of features for final classification tasks. IKFDB is recorded with Kinect sensor V.2 and contains colour and depth images for facial and facial micro-expressions recognition purposes. Here five facial expressions of Anger, Joy, Surprise, Disgust and Fear are used for final validation. The proposed Bees LPQ method is compared with Particle Swarm Optimization (PSO) LPQ, PCA LPQ, Lasso LPQ, and just LPQ features for classification tasks with Support Vector Machines (SVM), K-Nearest Neighbourhood (KNN), Shallow Neural Network and Ensemble Subspace KNN. Returned results, show a decent performance of the proposed algorithm (99 % accuracy) in comparison with others.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL