基于显著几何特征与支持向量机的面部表情识别
计算机视觉与模式识别
2016-04-18 v1
摘要
面部表情传递非语言线索，在人际关系中起着重要作用，并广泛用于情绪的行为解释、认知科学和社会互动。本文分析了表示几何特征的不同方法，并提出了一种利用显著几何特征的全自动面部表情识别（FER）系统。在基于几何特征的FER方法中，首要步骤是在连续帧中随着表情随时间演变初始化并跟踪密集的面部点集。在所提出的系统中，面部点使用弹性束图匹配（EBGM）算法初始化，并使用Kanade-Lucas-Tomaci（KLT）跟踪器进行跟踪。我们从面部点跟踪结果构成的点、线和三角形中提取几何特征。最具判别性的线和三角形特征通过使用极限学习机（ELM）分类辅助的特征选择性多类AdaBoost提取。最后，用于FER的几何特征从增强的线以及由面部点构成的三角形中提取。使用点、线和三角形特征的识别准确率被独立分析。所提出的FER系统的性能在三个不同的数据集上评估：即CK+、MMI和MUG面部表情数据集。
引用
@article{arxiv.1604.04334,
title = {Recognition of facial expressions based on salient geometric features and support vector machines},
author = {Deepak Ghimire and Joonwhoan Lee and Ze-Nian Li and Sunghwan Jeong},
journal= {arXiv preprint arXiv:1604.04334},
year = {2016}
}
备注
Facial points, Geometric features, AdaBoost, Extreme learning machine, Support vector machines, Facial expression recognitions