基于PCA的人脸表情编码的关键点跟踪方法
计算机视觉与模式识别
2024-06-14 v1
摘要
人脸动作编码系统（FACS）用于研究人脸表情，但需要大量的人力和专业知识。本文探讨了使用自动化技术生成用于研究人脸表情的动作单位（AUs）。我们提出了一种基于主成分分析（PCA）和人脸关键点跟踪的无监督方法，用于生成称为PCA AUs的数据驱动动作单位。实验结果表明，PCA AUs符合人脸肌肉运动的方向，并且能够解释其他公开测试数据集（BP4D-Spontaneous和CK+）中超过92.83%的方差，表明其在解释人脸表情方面具有良好的泛化能力。PCA AUs在测试数据集中的解释方差也相当于基于关键点的FACS AUs的等价方法。综上所述，本研究表明自动化技术有望成为手动FACS标注的替代方案，这可能导致心理学及相关领域中人脸表情的高效实时分析。为促进进一步的研究，我们已将代码仓库公开 disponible。
引用
@article{arxiv.2406.09017,
title = {A PCA based Keypoint Tracking Approach to Automated Facial Expressions Encoding},
author = {Shivansh Chandra Tripathi and Rahul Garg},
journal= {arXiv preprint arXiv:2406.09017},
year = {2024}
}
备注
This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution is published in [LNCS,volume 14301], and is available online at https://doi.org/10.1007/978-3-031-45170-6_85