通过面部动态区分摆拍与自发微笑
计算机视觉与模式识别
2017-02-20 v3
摘要
微笑是识别个体情绪和当前心理状态的关键要素之一。在本工作中，我们提出一组方法，利用深度卷积神经网络（CNN）人脸特征、局部相位量化（LPQ）、稠密光流和梯度直方图（HOG）对摆拍和自发微笑进行分类。欧拉视频放大（EVM）用于微表情微笑放大，连同三种归一化过程以区分摆拍和自发微笑。尽管深度 CNN 人脸模型用大量人脸图像训练，HOG 特征在整体人脸微笑分类任务上优于该模型。使用 EVM 放大微表情对分类准确率无显著影响，而归一化人脸特征提高了分类准确率。与许多手动或半自动方法不同，我们的方法旨在通过使用支持向量机（SVM）将所有微笑自动分类为“自发”或“摆拍”类别。在大型 UvA-NEMO 微笑数据库上的实验结果显示了与其他相关方法相比有前景的结果。
引用
@article{arxiv.1701.01573,
title = {Distinguishing Posed and Spontaneous Smiles by Facial Dynamics},
author = {Bappaditya Mandal and David Lee and Nizar Ouarti},
journal= {arXiv preprint arXiv:1701.01573},
year = {2017}
}
备注
16 pages, 8 figures, ACCV 2016, Second Workshop on Spontaneous Facial Behavior Analysis