基于深度学习的几何特征实时顺序面部表情分析
计算机视觉与模式识别
2025-12-08 v1
摘要
面部表情识别是增强人机交互和开发情感感知系统的关键组成部分。实时检测和解释面部表情对于各种应用日益重要，从用户体验个性化到智能监控系统。本研究提出了一种基于深度学习和几何特征的实时顺序面部表情识别方法。该方法利用 MediaPipe FaceMesh 实现快速精准的面部关键点检测。从这些关键点中提取几何特征，包括欧几里得距离和角度。通过分析连续帧之间的特征差异来融合时间动态，从而实现对表情的起始、顶峰和结束阶段的检测。用于分类，采用 ConvLSTM1D 网络后接多层感知器块。该方法在多个公开数据集上进行评估，包括 CK+、Oulu-CASIA（VIS 和 NIR）以及 MMI。分别实现了 93%、79%、77% 和 68% 的准确率。还对组合数据集进行了实验，以评估模型的泛化能力。该方法证明具有实时性，在消费级硬件上约可处理 165 帧/秒。该研究为面部表情分析领域提供了一种快速、准确且具有适应性的解决方案。我们的发现凸显了在情感感知技术和个性化用户体验方面的潜力，为更复杂的人机交互系统铺平了道路。为便于进一步研究，本研究的完整源代码已公开发布在 GitHub上：https://github.com/miralab-ai/facial-expression-analysis。
引用
@article{arxiv.2512.05669,
title = {Deep Learning-Based Real-Time Sequential Facial Expression Analysis Using Geometric Features},
author = {Talha Enes Koksal and Abdurrahman Gumus},
journal= {arXiv preprint arXiv:2512.05669},
year = {2025}
}