面向跨数据库微表情识别的显著面部区域搜寻
计算机视觉与模式识别
2022-07-06 v3 人工智能
摘要
跨数据库微表情识别（CDMER）旨在发展具有强域适应性的微表情识别（MER）方法，即识别由不同成像设备在不同场景下所捕获不同受试者的微表情（MEs）的能力。CDMER的发展面临两个关键问题：1）源数据库与目标数据库间严重的特征分布鸿沟；2）ME作为局部细微面部表情的特征表示瓶颈。为解决这些问题，本文提出一种新颖的迁移组稀疏回归方法，即TGSR，旨在通过从原始人脸特征中选择组特征（每一区域关联一组原始人脸特征，即显著面部区域选择）来：1）优化度量并更好缓解源与目标数据库间差异；2）突出有效面部区域以增强提取特征。相较于以往迁移组稀疏方法，本文TGSR具备选择显著面部区域的能力，可有效缓解上述问题以提升性能，同时降低计算成本。我们使用两个公开ME数据库，即CASME II与SMIC，评估所提TGSR方法。实验结果表明，所提TGSR学习了具判别性与可解释性的区域，并在CDMER上优于多数基于子空间学习的域自适应SOTA方法。
引用
@article{arxiv.2111.15361,
title = {Seeking Salient Facial Regions for Cross-Database Micro-Expression Recognition},
author = {Xingxun Jiang and Yuan Zong and Wenming Zheng and Jiateng Liu and Mengting Wei},
journal= {arXiv preprint arXiv:2111.15361},
year = {2022}
}