摘要

面部表情识别方法通常结合几何特征和外观特征。空间特征来源于面部标志点的位移，携带几何信息。这些特征要么基于先验知识进行选择，要么从大量候选特征中通过降维技术提取。在本研究中，我们利用两种面部标志点组合生成了大量潜在的空间特征。随后，通过顺序前向选择算法从中寻找具有描述性的特征子集。所选的特征子集用于扩展的Cohn-Kanade数据集（CK+）中的面部表情分类，实现了88.7%的识别准确率，而未使用任何外观特征。