微表情识别新算法：差分切片能量图与Gabor变换提升谎言检测性能

本文研究的核心内容是"基于差分切片能量图和Gabor变换的微表情识别算法"，该领域的研究者，特别是张鹏、贲晛烨和杨明强，针对微表情在谎言检测中的重要性进行了深入探讨。微表情作为一种独特的生物特征，因其短暂且难以伪装的特点，成为了识别个体情绪和欺骗行为的关键指标。研究人员利用了差分切片能量图这一技术来增强对微表情序列的动态捕捉能力，这种图谱方法能有效减少人脸轮廓变化和噪声对识别结果的干扰。 Gabor变换在此算法中扮演了关键角色，它是一种常用的频域分析工具，通过将图像分解为一系列不同方向和尺度的局部滤波器响应，可以提取出微表情图像的频率和方向特征。线性判别分析随后被用来对Gabor变换后的差分切片能量图向量进行特征选择和降维，以提高特征的区分度和分类性能。 支持向量机(SVM)作为一种强大的分类器，被用来进一步优化这些特征，提升微表情识别的准确性和鲁棒性。作者通过在CASME微表情库和SMIC微表情库上的实验验证了新提出的算法的有效性，结果显示，相较于其他现有方法，他们的算法在微表情识别任务上表现出了更高的识别精度。 论文还列举了多个资助项目，包括国家自然科学基金、高等学校博士学科点专项科研基金、中国博士后科学基金和地方专项基金，这些资金的投入反映了研究团队对该领域研究的重视和支持。 论文的作者张鹏和贲晛烨分别介绍了各自的研究背景和专业领域，张鹏专注于图像处理、模式识别和步态识别，而贲晛烨则在图像处理、模式识别等领域有深厚的学术造诣，同时在微表情识别方面也有独到见解。通信联系人提供了方便的研究合作和交流渠道。 这篇论文深入探讨了微表情识别技术的新方法，通过结合差分切片能量图、Gabor变换和机器学习算法，旨在提高微表情识别的准确性和应用价值，对于生物统计学、心理学和计算机视觉等多个领域都具有重要意义。