高效的表情中性度估计及其在人脸识别效用预测中的应用
计算机视觉与模式识别
2024-02-09 v1 人机交互
摘要
生物识别系统的识别性能在很大程度上取决于所比较的生物特征样本的质量。为了实现对人脸图像质量的共同理解并实现系统互操作性，ISO/IEC 29794-5 委员会草案引入了表情中性度作为影响识别性能的众多质量要素之一。在本研究中，我们使用七个数据集训练分类器来评估面部表情中性度。我们进行了广泛的性能基准测试，以评估它们的分类和人脸识别效用预测能力。我们的实验揭示了每个分类器在区分“中性”与“非中性”表情的方式上存在显著差异。虽然随机森林和 AdaBoost 分类器最适合以高准确率区分中性与非中性面部表情，但在预测人脸识别效用方面，它们的表现不如支持向量机。
引用
@article{arxiv.2402.05548,
title = {Efficient Expression Neutrality Estimation with Application to Face Recognition Utility Prediction},
author = {Marcel Grimmer and Raymond N. J. Veldhuis and Christoph Busch},
journal= {arXiv preprint arXiv:2402.05548},
year = {2024}
}