基于l1正则化RanBoost的人脸表情识别及程度估计（英文）

被引：2

作者：

杨澎 ^{[1
]}

刘青山 ^{[1
,2
]}

Dimitris N Metaxas ^{[1
]}

机构：

[1] 计算机科学系Rutgers大学

[2] 模式识别国家实验室,中国科学院

来源：

云南师范大学学报(自然科学版) | 2010年 / 30卷 / 01期

关键词：

模式识别; 有序回归; 人脸表情;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

鉴于之前的大多数工作仅仅局限于人脸的表情识别,在本文中,我们提出了一种基于排序模型的创新性人脸表情识别方法。与之前的方法不同的是,我们提出的方法不但能够做表情识别,而且能够估计表情的程度,而表情程度估计则对于理解人的情绪变化有很大的帮助。虽然精确标注表情的程度很困难,但是表情随时间变化的有序信息提供了相对的度量。基于这种观察,我们将表情程度估计问题转化为一个排序问题,并且用Rankboost建立排序模型。排序模型的输出可以直接用于程度估计,而且我们也可以将排序模型用于表情识别。为了进一步提高我们提出的方法的性能,我们将l1正则化引入到Rankboost中。在Cohn-Kanade数据库上进行实验,实验结果表明我们提出的方法与当前的方法比较,有着明显的优势。

引用

页码：36 / 44

页数：9

共 5 条

[1]

Facial expression recognition from video sequences: temporal and static modeling[J] . Ira Cohen,Nicu Sebe,Ashutosh Garg,Lawrence S. Chen,Thomas S. Huang.Computer Vision and Image Understanding . 2003 (1)

[2] PREDICTIVE COMPARISONS IN ORDINAL MODELS [J].

DEMORAES, AR ;

DUNSMORE, IR .

COMMUNICATIONS IN STATISTICS-THEORY AND METHODS, 1995, 24 (08) :2145-2164

[3]

Automatic recognition of facial ex-pressions using hidden markov models and estimationof expression intensity. J.-J.J.Lien. tech.report CMU-RI-TR-98-31,Robotics Institute,Carnegie Mellon Uni-versity .

[4]

Non-rigid registration u-sing free-form deformations for recognition of facialactions and their temporal dynamics. S.Koelstra,M.Pantic. Proceedings ofIEEE International Conference on Automatic Face andGesture Recognition （FG’08） . 2008

[5]

Dynamic Texture RecognitionUsing Local Binary Patterns with an Application to FacialExpressions. Zhao Guoying,Matti Pietik inen. IEEE Transactions on Pattern Analysis and Machineintelligence . 2007

← 1 →