基于多视图成对条件随机的动态姿态鲁棒面部表情识别
计算机视觉与模式识别
2016-07-22 v1
摘要
从视频中进行自动面部表情分类（FER）是开发智能人机交互系统的关键问题。然而，这是一个极具挑战性的问题，涉及捕捉描述一个人外观随时间变化的高维时空模式。这种表示受到面部形态、环境因素以及头部姿态变化的巨大变异性影响。在本文中，我们使用条件随机森林来捕捉低层表情转换模式。更具体地，在图像对上评估异质导数特征（例如特征点运动或纹理变化）。在视频帧上进行测试时，在该当前帧与先前帧之间创建图像对，并使用每个先前帧的预测从成对条件随机森林中绘制树，其成对输出随时间平均以产生鲁棒的估计。此外，PCRF 集合还可以以头部姿态估计为条件，用于多视图动态 FER。因此，我们的方法表现为随机森林学习时空模式的自然扩展，且可能来自多个视点。在流行数据集上的实验表明，与标准随机森林以及在多种场景下的现有先进方法相比，我们的方法带来了显著改进，包括从公开可用数据库生成的新型多视图视频语料库。
引用
@article{arxiv.1607.06250,
title = {Dynamic Pose-Robust Facial Expression Recognition by Multi-View Pairwise Conditional Random Forests},
author = {Arnaud Dapogny and Kévin Bailly and Séverine Dubuisson},
journal= {arXiv preprint arXiv:1607.06250},
year = {2016}
}
备注
Extension of an ICCV 2015 paper