基于几何特征的图像序列面部表情识别：利用多类AdaBoost与支持向量机
计算机视觉与模式识别
2016-04-13 v1
摘要
面部表情被广泛用于情绪的行为解释、认知科学和社会互动。本文提出一种用于面部图像序列中全自动面部表情识别的新方法。随着面部表情随时间演变，使用基于弹性束图匹配位移估计的位移，在连续视频帧中自动跟踪面部标志点。从个体标志点以及标志点对跟踪结果中提取特征向量，并相对于序列中的第一帧进行归一化。每类面部表情的原型表情序列通过取训练面部表情序列中标志点跟踪结果的中位数形成。多类 AdaBoost 结合输入面部表情与原型面部表情特征向量之间的动态时间规整相似距离，用作弱分类器以选择判别性特征向量的子集。最后，提出了两种面部表情识别方法，要么使用带动态时间规整的多类 AdaBoost，要么在提升后的特征向量上使用支持向量机。在 Cohn-Kanade (CK+) 面部表情数据库上的结果表明，使用多类 AdaBoost 和支持向量机的识别准确率分别为 95.17% 和 97.35%。
引用
@article{arxiv.1604.03225,
title = {Geometric Feature-Based Facial Expression Recognition in Image Sequences Using Multi-Class AdaBoost and Support Vector Machines},
author = {Deepak Ghimire and Joonwhoan Lee},
journal= {arXiv preprint arXiv:1604.03225},
year = {2016}
}
备注
21 pages, Sensors Journal, facial expression recognition