1 南京邮电大学 通信与信息工程学院, 江苏 南京 210003
2 南京医科大学附属南京儿童医院, 江苏 南京 210008
3 瑞典于默奥大学应用物理与电子系, S-901 87 Ume, Sweden
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112 pixel×92 pixel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%。
图像处理 表情识别 支持向量机 新生儿疼痛 AdaBoost算法 Gabor变换
