面部微表情分析综述:数据集、特征与度量
计算机视觉与模式识别
2018-05-08 v1
摘要
面部微表情是人类在有意或无意掩饰情绪时出现在脸上的非常短暂、自发的面部表情。微表情比宏表情持续时间更短,这使得对人类和机器都更具挑战性。在过去十年中,自动微表情识别吸引了来自心理学、计算机科学、安全、神经科学及其他相关学科研究人员的日益关注。本文旨在提供对自动微表情的见解并对未来研究提出建议。过去十年中发布了大量数据集,促进了该领域的快速增长。然而,由于实验协议、所用特征和评估方法的不一致,跨不同数据集的比较十分困难。为解决这些问题,我们回顾了文献中使用的数据集、特征以及性能度量。讨论了相关挑战,如数据采集时的时空设置、数据标注中的情绪类别与客观类别、数据分析中的面部区域、度量的标准化以及真实世界部署的要求。最后,我们通过提出一些有前景的未来方向来推进微表情研究。
引用
@article{arxiv.1805.02397,
title = {A Review on Facial Micro-Expressions Analysis: Datasets, Features and Metrics},
author = {Walied Merghani and Adrian K. Davison and Moi Hoon Yap},
journal= {arXiv preprint arXiv:1805.02397},
year = {2018}
}
备注
Preprint submitted to IEEE Transactions