使用时序核的情感表达分类
计算机视觉与模式识别
2016-11-17 v1 机器学习
机器学习
摘要
若考虑面部标志点位置及其在 3D 空间中的运动，将面部表情估计视为时空过程可利用核方法的优势。我们应用了基于动态时间规整相似度度量导出的核的支持向量分类。仅使用标记点向量 PCA 压缩表示（即所谓形状参数）的“运动模式”，我们实现了超过 99% 的准确率（由 ROC 曲线下面积衡量）。除了对完整运动模式的分类外，几种表情在其起始后仅 5-6 帧（约 200 毫秒）内即可被识别，准确率超过 90%。
引用
@article{arxiv.1306.1913,
title = {Emotional Expression Classification using Time-Series Kernels},
author = {Andras Lorincz and Laszlo Jeni and Zoltan Szabo and Jeffrey Cohn and Takeo Kanade},
journal= {arXiv preprint arXiv:1306.1913},
year = {2016}
}
备注
IEEE International Workshop on Analysis and Modeling of Faces and Gestures, Portland, Oregon, 28 June 2013 (accepted)