基于全局对齐核的群体幸福强度估计方法
计算机视觉与模式识别
2018-09-11 v1
摘要
随着自动人类行为理解的发展，分析多人的感知情感在情感计算社区中受到关注。与传统面部表情分析不同，本文主要关注图像中多人行为的分析。所提方法基于支持向量回归与组合全局对齐核（GAK）来估计一群人的幸福强度。我们首先利用基于 Riesz 的体积局部二值模式（RVLBP）与基于深度卷积神经网络（CNN）的特征来刻画面部图像。进而，我们分别对 RVLBP 与深度 CNN 特征使用 GAK，以显式度量两幅群体级图像的相似性。具体地，我们利用全局权重排序方案依据空间权重对群体级图像中的人脸图像排序，为 GAK 构造高效数据结构。最后，我们提出基于三种组合策略的多核学习，用于组合分别基于 RVLBP 与深度 CNN 特征的两个 GAK，从而增强各 GAK 的判别能力。我们在具挑战性的群体级幸福强度数据库 HAPPEI 上进行了充分实验。实验结果表明，与近期 SOTA 方法相比，所提方法在群体幸福强度分析中取得了有前景的性能。
引用
@article{arxiv.1809.03313,
title = {A Global Alignment Kernel based Approach for Group-level Happiness Intensity Estimation},
author = {Xiaohua Huang and Abhinav Dhall and Roland Goecke and Matti Pietikainen and Guoying Zhao},
journal= {arXiv preprint arXiv:1809.03313},
year = {2018}
}