基于稀疏表示的自发面部表情识别
计算机视觉与模式识别
2018-10-02 v1
摘要
面部表情是人类传达情感最自然的方式。大多数面部表情分析研究考虑的是表演性表情的情况。自发面部表情识别更具挑战性，因为每个人对给定情绪的反应方式不同。我们考虑通过为稀疏表示学习判别字典来识别自发面部表情的问题。面部图像通过正交匹配追踪算法表示为原型原子的稀疏线性组合。然后使用稀疏编码训练专用于识别任务的SVM分类器。使面部图像稀疏化的字典（具有相同类标签的特征点应具有相似稀疏编码）对于鲁棒分类至关重要。学习稀疏化字典严重依赖于字典的初始化过程。为提高字典性能，基于随机投影概念开发了随机人脸特征描述子。所提方法的有效性通过在自发面部表情DynEmo数据库上的若干实验进行评估。还在众所周知的表演性面部表情JAFFE数据库上进行了估计，以便与最先进方法比较。
引用
@article{arxiv.1810.00362,
title = {Spontaneous Facial Expression Recognition using Sparse Representation},
author = {Dawood Al Chanti and Alice Caplier},
journal= {arXiv preprint arXiv:1810.00362},
year = {2018}
}
备注
11 pages, 9 figures, VISAPP 2017, publisher=SciTePress, organization=INSTICC, isbn=978-989-758-226-4, Proceedings of the 12th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - Volume 5: VISAPP, (VISIGRAPP 2017)}, 2017