Most automatic expression analysis

Most automatic expression analysis systems attempt to recognize a small set of prototypic expressions (e.g., happiness and anger). Such prototypic expressions, however, occur infrequently. Human emotions and intentions are communicated more often by changes in one or two discrete facial features. We develop an automatic system to analyze subtle changes in facial expressions based on both permanent (e.g., mouth, eye, and brow) and transient (e.g., furrows and wrinkles) facial features in a nearly frontal image sequence. Multi-state facial component models are proposed for tracking and modeling different facial features. Based on these multi-state models, and without artificial enhancement, we detect and track the facial features, including mouth, eyes, brow, cheeks, and their related wrinkles and facial furrows. Moreover we recover detailed parametric descriptions of the facial features. With these features as the inputs, 11 individual action units or action unit combinations are recognized by a neural network algorithm. A recognition rate of 96.7% is obtained. The recognition results indicate that our system can identify action units regardless of whether they occur singly or in combinations

ผลลัพธ์ (ไทย) 1:

ระบบวิเคราะห์นิพจน์อัตโนมัติพยายามรู้จักชุดเล็กของนิพจน์ prototypic (เช่น ความสุขและความโกรธ) นิพจน์ดังกล่าว prototypic ไร เกิดขึ้นนาน ๆ ครั้ง มีการสื่อสารอารมณ์ของมนุษย์และความตั้งใจมากขึ้นจากการเปลี่ยนแปลงในหนึ่ง หรือสองแยกกันทำหน้า เราพัฒนาระบบการอัตโนมัติการวิเคราะห์การเปลี่ยนแปลงรายละเอียดในหน้านิพจน์ถาวร (เช่น ปาก ตา และคิ้ว) และทำหน้าแบบฉับพลัน (เช่น furrows และริ้วรอย) ในลำดับภาพเกือบหน้าผาก ส่วนประกอบหน้ารัฐหลายรูปแบบมีการนำเสนอสำหรับการติดตาม และทำหน้าที่แตกต่างกันในการสร้างโมเดล เราตามโมเดลเหล่านี้หลายรัฐ และ ไม่ปรับปรุงประดิษฐ์ ตรวจสอบ และติดตามทำหน้า รวมทั้งปาก ตา คิ้ว แก้ม และที่เกี่ยวข้องกับริ้วรอย และผิวหน้า furrows นอกจากนี้ เรากู้คืนคำอธิบายพาราเมตริกรายละเอียดของใบหน้า ด้วยคุณลักษณะเหล่านี้เป็นอินพุต 11 ดำเนินการแต่ละหน่วยหรือชุดหน่วยปฏิบัติการจะรับรู้ โดยอัลกอริทึมแบบโครงข่ายประสาท รับ 96.7% อัตราการรู้จำ ผลลัพธ์การรู้บ่งชี้ว่า ระบบของเราสามารถระบุหน่วยการดำเนินการ ไม่ว่าจะเกิดเดี่ยว หรือชุด

ผลลัพธ์ (ไทย) 2:

ส่วนใหญ่ระบบการวิเคราะห์การแสดงออกโดยอัตโนมัติพยายามที่จะรับรู้ชุดเล็ก ๆ ของการแสดงออกต้นแบบ (เช่นความสุขและความโกรธ) ต้นแบบการแสดงออกดังกล่าว แต่เกิดขึ้นไม่บ่อยนัก อารมณ์ของมนุษย์และความตั้งใจจะสื่อสารบ่อยขึ้นจากการเปลี่ยนแปลงในหนึ่งหรือสองใบหน้าที่ไม่ต่อเนื่อง เราพัฒนาระบบอัตโนมัติในการวิเคราะห์การเปลี่ยนแปลงที่ลึกซึ้งในการแสดงออกทางสีหน้าขึ้นอยู่กับทั้งถาวร (เช่นปากตาและคิ้ว) และชั่วคราว (เช่นร่องและริ้วรอย) ใบหน้าในลำดับภาพหน้าผากเกือบ รัฐหลายรูปแบบองค์ประกอบบนใบหน้ามีการเสนอสำหรับการติดตามและการสร้างแบบจำลองใบหน้าที่แตกต่างกัน เหล่านี้ขึ้นอยู่กับรูปแบบของรัฐหลายและไม่มีการเพิ่มประสิทธิภาพของเทียมที่เราตรวจสอบและติดตามใบหน้ารวมทั้งปากตาหน้าผากแก้มและริ้วรอยที่เกี่ยวข้องและร่องผิวหน้า นอกจากนี้เรากู้พารารายละเอียดในรายละเอียดของใบหน้า ด้วยคุณสมบัติเหล่านี้เป็นปัจจัยการผลิตหน่วยดำเนินการ 11 บุคคลหรือหน่วยรวมกันดำเนินการเป็นที่ยอมรับจากขั้นตอนวิธีเครือข่ายประสาท อัตราการรับรู้ของ 96.7% จะได้รับ ผลการรับรู้แสดงให้เห็นว่าระบบของเราสามารถระบุหน่วยดำเนินการโดยไม่คำนึงว่าจะเกิดขึ้นหรือเดี่ยวในชุด

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์การแสดงออกอัตโนมัติระบบส่วนใหญ่พยายามที่จะจำชุดเล็ก ๆของการแสดงออก prototypic ( เช่นความสุขและความโกรธ ) เช่น prototypic สำนวน อย่างไรก็ตาม เกิดขึ้นไม่บ่อย อารมณ์ของมนุษย์และความตั้งใจจะติดต่อกันบ่อย โดยการเปลี่ยนแปลงในหนึ่งหรือสองต่อเนื่องหน้าคุณสมบัติเราพัฒนาระบบโดยอัตโนมัติเพื่อวิเคราะห์การเปลี่ยนแปลงที่ลึกซึ้งในนิพจน์ขึ้นอยู่กับทั้งถาวร ( เช่น ปาก ตา และหน้าผาก ) และชั่วคราว ( เช่น เส้นริ้วและริ้วรอย ) ลักษณะหน้าในลำดับภาพเกือบด้านหน้า สภาพผิวหน้าส่วนประกอบหลายรุ่นมีการติดตามและแบบเสนอเพื่อใบหน้าที่แตกต่างกัน ตามเหล่านี้รัฐหลายรุ่นและโดยไม่ต้องเพิ่มเทียม เราตรวจสอบและติดตามคุณลักษณะใบหน้า ได้แก่ ปาก ตา คิ้ว แก้ม และของพวกเขาที่เกี่ยวข้องกับริ้วรอยและหน้าร่อง . นอกจากนี้ เรากู้คืนรายละเอียดตัวแปรอธิบายคุณสมบัติหน้า ด้วยคุณสมบัติเหล่านี้เป็นปัจจัย บุคคล การกระทำ หรือการกระทำรวม 11 หน่วย หน่วยได้รับการยอมรับโดยวิธีโครงข่ายประสาทเทียม .ยอมรับอัตรา 20 เปอร์เซ็นต์ การยอมรับ พบว่า ระบบของเราสามารถระบุหน่วยปฏิบัติการไม่ว่าจะเกิดขึ้นเดี่ยว ๆ หรือในชุดค่าผสมที่