基于三维时空卷积神经网络的自发面部微表情识别
计算机视觉与模式识别
2019-04-03 v1 人工智能
机器学习
神经与进化计算
摘要
视频中的面部表情识别是计算机视觉中一个活跃的研究领域。然而，即使是人类也难以识别伪造的面部表情。另一方面，面部微表情通常代表一个人的真实情绪，因为它是通过人脸表达的自发反应。尽管已有一些识别微表情的尝试，但该问题远未解决，现有最优方法所显示的较低准确率即说明了这一点。文献中发现了一些基于CNN的方法从静态图像识别微面部表情。而自发微表情视频包含多帧，必须一起处理以编码空间与时间信息。本文提出两种3D-CNN方法：MicroExpSTCNN与MicroExpFuseNet，通过在CNN框架中利用时空信息来实现自发面部微表情识别。MicroExpSTCNN考虑完整的空间信息，而MicroExpFuseNet基于眼睛与嘴部区域的3D-CNN特征融合。实验在CAS(ME)^2与SMIC微表情数据库上进行。所提出的MicroExpSTCNN模型优于现有最优方法。
引用
@article{arxiv.1904.01390,
title = {Spontaneous Facial Micro-Expression Recognition using 3D Spatiotemporal Convolutional Neural Networks},
author = {Sai Prasanna Teja Reddy and Surya Teja Karri and Shiv Ram Dubey and Snehasis Mukherjee},
journal= {arXiv preprint arXiv:1904.01390},
year = {2019}
}
备注
Accepted in 2019 International Joint Conference on Neural Networks (IJCNN)