OFF-ApexNet 微表情识别系统
计算机视觉与模式识别
2018-05-23 v1 机器学习
摘要
当一个人试图掩饰情绪时，真实情绪会表现为微表情。自动面部微表情识别系统的探索在计算机视觉领域相对较新。这是由于难以实现最优特征提取方法以应对该表情的微弱与短暂运动特性。现有多数方法基于手工特征提取细微面部运动。本文中，我们用卷积神经网络（CNN）架构处理微表情识别任务，该架构良好地整合了从各视频提取的特征。引入了新特征描述子：顶点帧光流特征网络（OFF-ApexNet）。该特征描述子将光流引导的上下文与 CNN 结合。首先，我们从每个视频序列获取顶点帧的位置，因其刻画了所有帧中面部运动的最高强度。然后，从顶点帧与参考帧（即起始帧）获得光流信息。最后，将光流特征送入预设计的 CNN 模型以进一步特征增强并执行表情分类。为评估 OFF-ApexNet 的有效性，在三个公开自发微表情数据集（即 SMIC、CASME II 和 SAMM）上进行了综合评估。有前景的识别结果表明所提方法能最优地描述显著微表情细节。特别地，我们报告，在多数据库留一受试者交叉验证实验协议下，识别性能达到 74.60% 识别准确率与 71.04% 的 F-measure。我们还注意到，这是该领域首个在三个数据库上进行跨数据集验证的工作。
引用
@article{arxiv.1805.08699,
title = {OFF-ApexNet on Micro-expression Recognition System},
author = {Sze-Teng Liong and Y. S. Gan and Wei-Chuen Yau and Yen-Chang Huang and Tan Lit Ken},
journal= {arXiv preprint arXiv:1805.08699},
year = {2018}
}