面向非表演性肢体情感识别的深度时序分析
计算机视觉与模式识别
2020-06-24 v1
摘要
情感计算在许多计算机视觉应用中备受关注，包括视频监控、行为分析和人机交互。现有文献大多通过分析不同的面部特征集合来解决该领域问题。然而，近十年来若干研究表明，肢体运动甚至在情绪识别中也可起关键作用。这些关于肢体的实验大多由受过训练的演员执行，其目的是模拟情绪反应。这些非自然表达不同于更具挑战性的真实情绪，从而使所得结果失效。本文给出了一种基于3D骨架与深度神经网络(DNNs)的基础非表演性情绪识别方案。所提工作有三项主要贡献。首先，与当前非表演性肢体情感识别的最优方法仅考虑静态或全局肢体特征不同，本工作还考察了受试者在各帧中执行的局部时序运动。其次，提供了一组用于肢体运动描述的原创全局与随时间变化特征。第三，据我们所知，这是首次尝试将深度学习方法用于非表演性肢体情感识别。由于该主题的新颖性，目前仅UCLIC数据集被视为比较测试的基准。在该数据集上，所提方法优于所有对比方法。
引用
@article{arxiv.1907.09945,
title = {Deep Temporal Analysis for Non-Acted Body Affect Recognition},
author = {Danilo Avola and Luigi Cinque and Alessio Fagioli and Gian Luca Foresti and Cristiano Massaroni},
journal= {arXiv preprint arXiv:1907.09945},
year = {2020}
}