基于FACS区域和基线评估的客观微表情运动检测
计算机视觉与模式识别
2016-12-16 v1
摘要
微表情被视为能够揭示情绪欺骗的重要人类行为事件。人类和机器都难以察觉这些运动，然而利用计算机视觉检测细微面部表情的研究正日益受到关注。本文提出一种基于三维定向梯度直方图 (3D HOG) 时间差分法的个性化基线微运动检测方法。我们基于面部动作编码系统 (FACS) 定义了一个由 26 个区域组成的面部模板。利用 3D HOG 提取每个区域的时间特征。然后，我们使用卡方距离发现局部区域中的细微面部运动。最后，采用自动峰值检测器来检测超出新提出的自适应基线阈值的微运动。性能在两个 FACS 编码的数据集 SAMM 和 CASME II 上得到验证。该客观方法聚焦于 26 个面部区域的运动。与真实标注相比，最佳结果在 SAMM 和 CASME II 上的 AUC 分别为 0.7512 和 0.7261。结果表明，与最先进的特征表示——三正交平面局部二值模式 (LBP-TOP) 和定向光流直方图 (HOGOF)——相比，3D HOG 在微运动检测中表现更优。
引用
@article{arxiv.1612.05038,
title = {Objective Micro-Facial Movement Detection Using FACS-Based Regions and Baseline Evaluation},
author = {Adrian K. Davison and Cliff Lansley and Choon Ching Ng and Kevin Tan and Moi Hoon Yap},
journal= {arXiv preprint arXiv:1612.05038},
year = {2016}
}