面向微表情分类的均值定向Riesz特征
计算机视觉与模式识别
2020-05-14 v1
摘要
微表情是短暂而细微的面部表情，在不到一秒的时间内出现在脸上又消失。这类面部表情通常发生在高风险情境中，并被认为反映了一个人的真实意图。微表情分析已引起一些关注，然而，绝大多数方法基于经典确立的计算机视觉方法，如局部二值模式、梯度直方图和光流。本文提出一种利用Riesz金字塔（一种多尺度可控Hilbert变换）进行微表情识别的新方法。实际上，先用该工具对图像序列进行变换，然后提取并滤波图像相位变化作为运动的代理。此外，利用Riesz变换的主导方向恒定性将微表情序列平均为一对图像。在此基础上，引入均值定向Riesz特征描述。最后，我们的方法在两个自发微表情数据库上进行了测试，并与最先进的方法进行比较。
引用
@article{arxiv.2005.06198,
title = {Mean Oriented Riesz Features for Micro Expression Classification},
author = {Carlos Arango Duque and Olivier Alata and Rémi Emonet and Hubert Konik and Anne-Claire Legrand},
journal= {arXiv preprint arXiv:2005.06198},
year = {2020}
}