用于表情识别与动作单元检测中遮挡处理的置信度加权局部表情预测
计算机视觉与模式识别
2016-07-22 v1
摘要
从静态图像中进行全自动面部表情识别（FER）是一项具有挑战性的任务，因为它涉及处理较大的人际形态差异，且偶尔会发生局部遮挡。此外，标注表情是一个耗时且易受主观影响的过程，因此训练数据可能无法完全覆盖其变异性。在本工作中，我们提出在面部空间定义的局部子空间上训练 Random Forests。输出的局部预测构成了一种由类别表情驱动的高层表示，我们称之为局部表情预测（LEPs）。LEPs 可以组合起来描述类别化面部表情以及动作单元（AUs）。此外，LEPs 可以通过自编码器网络提供的置信度分数进行加权。该网络以分层方式在局部捕获非遮挡训练数据的流形。大量实验表明，所提出的 LEP 表示对类别化表情和 AU 发生预测具有很强的描述能力，并为设计遮挡鲁棒且置信度感知的 FER 系统提供了有前景的方向。
引用
@article{arxiv.1607.06290,
title = {Confidence-Weighted Local Expression Predictions for Occlusion Handling in Expression Recognition and Action Unit detection},
author = {Arnaud Dapogny and Kévin Bailly and Séverine Dubuisson},
journal= {arXiv preprint arXiv:1607.06290},
year = {2016}
}