极端姿态下面向真实场景的面部表情识别
计算机视觉与模式识别
2018-11-07 v1
摘要
在计算机研究领域，面部表情识别是一个热门研究问题。近年来，研究已从实验室环境转向真实场景。这具有挑战性，尤其在极端姿态下。但当前的表情检测系统正试图规避姿态影响并获得普遍适用能力。在本工作中，我们以相反路径解决该问题。我们考虑头部姿态并在特定头部姿态内检测表情。我们的工作包括两部分：检测头部姿态并将其归入预定义的头部姿态类别之一；在每个姿态类别内完成面部表情识别。我们的实验表明，带姿态类别分组的识别结果远优于不考虑姿态的直接识别。我们将手工特征 SIFT、LBP 与几何特征同深度学习特征结合作为表情的表征。手工特征与高层深度学习特征一同被加入深度学习框架。作为对比，我们实现了 SVM 与随机森林作为预测模型。为训练与测试我们的方法，我们对人脸数据集标注了 6 种基本表情。
引用
@article{arxiv.1811.02194,
title = {In-the-wild Facial Expression Recognition in Extreme Poses},
author = {Fei Yang and Qian Zhang and Chi Zheng and Guoping Qiu},
journal= {arXiv preprint arXiv:1811.02194},
year = {2018}
}
备注
Published on ICGIP2017