迈向读取隐藏情绪：自发微表情检测与识别方法的比较研究
计算机视觉与模式识别
2017-03-14 v2
摘要
微表情（ME）是快速、非自主的面部表情，揭示了人们无意表现的情绪。研究微表情很有价值，因为识别它们在许多重要应用（特别是法医科学与心理治疗）中发挥作用。然而，由于自发微表情持续时间短且强度低，分析它们非常具有挑战性。自动微表情分析包括两个任务：微表情检测与微表情识别。对于微表情检测，以往研究聚焦于摆拍而非自发视频。对于微表情识别，以往研究性能较低。为应对这些挑战，我们做出如下贡献：（i）我们提出第一种在长视频中检测自发微表情的方法（通过利用特征差异对比）。该方法无需训练，可作用于任意未见过的视频。（ii）我们提出一种先进的微表情识别框架，在两个具有挑战性的自发微表情数据库（SMIC与CASMEII）上大幅优于以往工作。（iii）我们提出首个自动微表情分析系统（MESR），可从自发视频数据中检测并识别微表情。最后，我们展示我们的方法在微表情识别任务上大幅优于人类，并在极具挑战性的“先检测后识别自发微表情”任务上取得与人类相当的性能。
引用
@article{arxiv.1511.00423,
title = {Towards Reading Hidden Emotions: A comparative Study of Spontaneous Micro-expression Spotting and Recognition Methods},
author = {Xiaobai Li and Xiaopeng Hong and Antti Moilanen and Xiaohua Huang and Tomas Pfister and Guoying Zhao and Matti Pietikäinen},
journal= {arXiv preprint arXiv:1511.00423},
year = {2017}
}