基于非语言面部动作单元的自发性抑郁分类
人机交互
2022-11-22 v1
摘要
抑郁症是一种常见精神障碍，使人经历抑郁情绪、兴趣或愉悦感丧失、内疚感或低自我价值感。传统临床抑郁诊断方法主观且耗时。由于抑郁可通过人类面部表情反映，我们提出一种基于非语言面部行为的自动抑郁分类方法。本文构建了基于短期行为与基于片段的两种抑郁分类。基于短期行为的抑郁检测的最终片段级决策通过对所有短期行为的预测取平均得到，而我们对所有帧中包含的行为基于两个高斯混合模型进行建模。为评估所提方法，我们从 AVEC 2019 抑郁语料库中选取了一个性别平衡的包含 30 名参与者的子集。实验结果表明，我们的方法取得了超过 75% 的抑郁分类准确率，其中基于 GMM 的片段级抑郁建模与基于秩池化的短期抑郁行为建模均取得了至少 70% 的分类准确率。结果表明，我们的方法能利用两个系统的互补信息，从面部行为中实现有前景的抑郁预测。
引用
@article{arxiv.2211.10911,
title = {Non-verbal Facial Action Units-based Automatic Depression Classification},
author = {Chuang Yu},
journal= {arXiv preprint arXiv:2211.10911},
year = {2022}
}