用于微表情识别的客观类别
计算机视觉与模式识别
2017-12-05 v2
摘要
微表情是人在掩饰情绪时脸上出现的短暂自发面部表情，其在微妙程度和持续时间上与普通面部表情不同。目前，CASME II 数据集内的情绪类别基于动作单元和自我报告，这在机器学习训练期间造成了冲突。我们将证明，使用动作单元而不是预测情绪对表情进行分类，可以消除人类报告的潜在偏差。所提出的类别使用 LBP-TOP、HOOF 和 HOG 3D 特征描述子进行测试。实验在两个基准 FACS 编码数据集：CASME II 和 SAMM 上进行评估。在 CASME II 上使用 HOG 3D 对所提出的 5 个类别进行分类时，最佳结果达到了 86.35% 的准确率，优于 CASME II 上基于情绪的最先进 5 类分类结果。结果表明，基于动作单元的分类提供了一种改进微表情识别的客观方法。
引用
@article{arxiv.1708.07549,
title = {Objective Classes for Micro-Facial Expression Recognition},
author = {Adrian K. Davison and Walied Merghani and Moi Hoon Yap},
journal= {arXiv preprint arXiv:1708.07549},
year = {2017}
}
备注
11 pages, 4 figures and 5 tables. This paper will be submitted for journal review