少即多：利用顶点帧从视频中进行微表情识别
计算机视觉与模式识别
2018-02-16 v3
摘要
尽管近期面部微表情研究兴趣与进展增加，微表情识别方面仍有很大改进空间。传统的微表情视频特征提取方法考虑整个视频序列或其一部分来进行表示。然而，对于微表情的高速视频捕获（100-200 fps），所有帧都是提供充分有意义表示所必需的吗？数据之奢侈是准确识别的祸根吗？本文提出一种新主张，即每视频仅利用两幅图像：顶点帧与起始帧。视频的顶点帧包含所有帧中表情变化的最高强度，而起始帧是具有中性表情的参考帧的完美选择。提出一种新的特征提取器，双加权定向光流（Bi-WOOF），以编码顶点帧的本质表现力。我们在五个微表情数据库上评估了所提方法：CAS(ME)、CASME II、SMIC-HS、SMIC-NIR和SMIC-VIS。我们的实验为我们的假设提供了佐证，所提技术在高帧率数据库CASME II和SMIC-HS中分别取得了61%和62%的最先进F1分数识别性能。
引用
@article{arxiv.1606.01721,
title = {Less is More: Micro-expression Recognition from Video using Apex Frame},
author = {Sze-Teng Liong and John See and KokSheik Wong and Raphael C. -W. Phan},
journal= {arXiv preprint arXiv:1606.01721},
year = {2018}
}
备注
14 pages double-column, author affiliations updated, acknowledgment of grant support added