用于情感行为分析的量化面部表现力

面部表现力的量化测量对于大规模分析人类情感行为至关重要。不幸的是，与离散表情的研究不同，视频帧级别的表情量化方法在很大程度上未被探索。在这项工作中，我们提出了一种算法，利用有界、连续的表达力分数，基于多模态面部特征（如动作单元（AUs）、 landmarks、头部姿态和注视）来量化面部表现力。所提算法对具有高强度和较大时间变化的动作单元赋予更大权重。该算法能够以离散表情的形式计算表现力，并可用于执行包括面部行为跟踪和情境中的主观性量化等任务。我们在基准数据集上的结果表明，所提算法在捕获时间变化和表现力、测量情境中的主观差异以及提取有用洞察方面是有效的。