精确的人脸部件定位与深度学习用于 3D 面部表情识别
计算机视觉与模式识别
2018-03-16 v1
摘要
有意义的人脸部件可以为面部动作单元检测和表情预测传达关键线索。带纹理的 3D 人脸扫描可以提供面部的详细 3D 几何形状和 2D 纹理外观线索，这有利于面部表情识别 (FER)。然而，精确的人脸部件提取及其融合是一项具有挑战性的任务。在本文中，基于精确的人脸部件提取和人脸部件的深度特征融合，设计了一种新的 3D FER 系统。具体而言，首先将每个带纹理的 3D 人脸扫描表示为具有一对一密集对应的 2D 纹理图和深度图。然后，使用由人脸关键点定位、人脸旋转校正、人脸缩放、人脸部件边界框提取和后处理过程组成的全新四阶段流程，提取纹理图和深度图的人脸部件。最后，分别从纹理图和深度图中学习所有人脸部件的深度融合卷积神经网络 (CNN) 特征，并使用非线性 SVM 进行表情预测。在 BU-3DFE 数据库上进行了实验，证明了结合不同人脸部件、纹理和深度线索的有效性，并在相同设置下与所有现有方法相比报告了 state-of-the-art 的结果。
引用
@article{arxiv.1803.05846,
title = {Accurate Facial Parts Localization and Deep Learning for 3D Facial Expression Recognition},
author = {Asim Jan and Huaxiong Ding and Hongying Meng and Liming Chen and Huibin Li},
journal= {arXiv preprint arXiv:1803.05846},
year = {2018}
}
备注
7 pages, 3 figures