基于深度学习的表情动作单元识别综述
Survey of Expression Action Unit Recognition Based on Deep Learning
查看参考文献96篇
|
文摘
|
基于深度学习的表情动作单元识别是计算机视觉与情感计算领域的热点课题.每个动作单元描述了一种人脸局部表情动作,其组合可定量地表示任意表情.当前动作单元识别主要面临标签稀缺、特征难捕捉和标签不均衡3个挑战因素.基于此,本文将已有的研究分为基于迁移学习、基于区域学习和基于关联学习的方法,对各类代表性方法进行评述和总结.最后,本文对不同方法进行了比较和分析,并在此基础上探讨了未来动作单元识别的研究方向. |
|
其他语种文摘
|
Expression action unit(AU) recognition based on deep learning is a hot topic in the fields of computer vision and affective computing. Each AU describes a facial local expression action, and the combinations of AUs can quantitatively represent any expression. Current AU recognition mainly faces three challenging factors, scarcity of labels, difficulty of feature capture, and imbalance of labels. On this basis, this paper categorizes the existing researches into transfer learning based, region learning based, and relation learning based methods, and comments and summarizes each category of representative methods. Finally, this paper compares and analyzes different methods, and further discusses the future research directions of AU recognition. |
|
来源
|
电子学报
,2022,50(8):2003-2017 【核心库】
|
|
DOI
|
10.12263/DZXB.20210639
|
|
关键词
|
表情动作单元识别
;
标签稀缺性
;
特征难捕捉性
;
标签不均衡性
;
迁移学习
;
区域学习
;
关联学习
|
|
地址
|
1.
(徐州)中国矿业大学计算机科学与技术学院, 江苏, 徐州, 221116
2.
矿山数字化教育部工程研究中心, 矿山数字化教育部工程研究中心, 江苏, 徐州, 221116
3.
上海交通大学计算机科学与工程系, 上海, 200240
4.
华东师范大学计算机科学与技术学院, 上海, 200062
|
|
语种
|
中文 |
|
文献类型
|
综述型 |
|
ISSN
|
0372-2112 |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
国家自然科学基金
;
江苏省自然科学基金
;
江苏省六大人才高峰计划资助
;
中央高校基本科研基金
|
|
文献收藏号
|
CSCD:7301962
|
参考文献 共
96
共5页
|
|
1.
邱玉. 结合运动时序性的人脸表情识别方法.
电子学报,2016,44(6):1307-1313
|
CSCD被引
6
次
|
|
|
|
|
2.
孙晓. 基于兴趣区域深度神经网络的静态面部表情识别.
电子学报,2017,45(5):1189-1197
|
CSCD被引
7
次
|
|
|
|
|
3.
张瑞. 基于稀疏特征挑选和概率线性判别分析的表情识别研究.
电子学报,2018,46(7):1710-1718
|
CSCD被引
3
次
|
|
|
|
|
4.
孔德壮. 人脸表情识别在辅助医疗中的应用及方法研究.
生命科学仪器,2019,18(2):43-48
|
CSCD被引
3
次
|
|
|
|
|
5.
Frank M G. The ability to detect deceit generalizes across different types of high-stake lies.
Journal of Personality and Social Psychology,1997,72(6):1429-1439
|
CSCD被引
9
次
|
|
|
|
|
6.
Ekman P.
Facial Action Coding System: A Technique for the Measurement of Facial Movement,1978
|
CSCD被引
25
次
|
|
|
|
|
7.
Ekman P.
Facial Action Coding System,2002
|
CSCD被引
6
次
|
|
|
|
|
8.
Scherer K R.
Handbook of Methods in Nonverbal Behavior Research,1982
|
CSCD被引
1
次
|
|
|
|
|
9.
Fasel B. Automatic facial expression analysis: Survey.
Pattern Recognition,2003,36(1):259-275
|
CSCD被引
67
次
|
|
|
|
|
10.
刘晓旻. 人脸表情识别研究的新进展.
中国图象图形学报,2006,11(10):1359-1368
|
CSCD被引
28
次
|
|
|
|
|
11.
Kumari J. Facial expression recognition: A survey.
Procedia Computer Science,2015,58(1):486-491
|
CSCD被引
1
次
|
|
|
|
|
12.
Corneanu C A. Survey on rgb, 3d, thermal, and multimodal approaches for facial expression recognition: History, trends, and affectrelated applications.
IEEE Transactions on Pattern Analysis and Machine Intelligence,2016,38(8):1548-1568
|
CSCD被引
11
次
|
|
|
|
|
13.
Li S.
Deep facial expression recognition: A survey,2022
|
CSCD被引
1
次
|
|
|
|
|
14.
贲晛烨. 微表情自动识别综述.
计算机辅助设计与图形学学报,2014,26(9):1385-1395
|
CSCD被引
26
次
|
|
|
|
|
15.
徐峰. 人脸微表情识别综述.
自动化学报,2017,43(3):333-348
|
CSCD被引
21
次
|
|
|
|
|
16.
Martinez B. Automatic analysis of facial actions: A survey.
IEEE Transactions on Affective Computing,2019,10(3):325-347
|
CSCD被引
3
次
|
|
|
|
|
17.
Zhi R. A comprehensive survey on automatic facial action unit analysis.
The Visual Computer,2020,36(5):1067-1093
|
CSCD被引
1
次
|
|
|
|
|
18.
Pantic M. Web-based database for facial expression analysis.
Proceedings of the IEEE International Conference on Multimedia and Expo,2005:1-5
|
CSCD被引
1
次
|
|
|
|
|
19.
Matsumoto D. Culture, emotion regulation, and adjustment.
Journal of Personality and Social Psychology,2008,94(6):925-937
|
CSCD被引
13
次
|
|
|
|
|
20.
Yan W J. How fast are the leaked facial expressions: The duration of micro-expressions.
Journal of Nonverbal Behavior,2013,37(4):217-230
|
CSCD被引
19
次
|
|
|
|
|
了解气象卫星更多信息，请访问