Temporal segmentation of real time

Temporal segmentation of real time video is an important
part for automatic facial expression recognition system.
Many studies for facial expression recognition have
been carried out under restricted experimental environment
such as pre-segmented video set. In this paper, we present
a real-time temporal video segmenting approach for automatic
facial expression recognition applicable in a smartphone.
The proposed system uses a Finite State Machine
(FSM) for segmenting real time video into temporal phases
from neutral expression to the peak of an expression. The
FSM uses Lucas-Kanade’s optical flow vector based scores
for state transitions to adapt the varying speeds of facial expressions.
While even HMM based or hybrid HMM model
based approaches handling time series data require sampling
times, the proposed system runs without any sampling
time delay. The proposed system performs facial expression
recognition with Support Vector Machines (SVM) on every
apex state after automatic temporal segmentation. The mobile
app with our approach runs on Samsung Galaxy S3
with 3.7 fps and the accuracy of real-time mobile emotion
recognition is about 70.6% for 6 basic emotions by 5 subjects
who are not professional actors.

ผลลัพธ์ (ไทย) 1:

แบ่งกาลเวลาจริงวิดีโอเป็นสำคัญส่วนสำหรับระบบรู้จำนิพจน์ที่ใบหน้าอัตโนมัติมีการศึกษามากสำหรับการรับรู้สีหน้าการดำเนินการภายใต้สิ่งแวดล้อมทดลองจำกัดเช่นชุดวิดีโอที่แบ่งเป็นส่วน ๆ ก่อน ในเอกสารนี้ เรานำเสนอคือวิธีการอัตโนมัติวิดีโอชั่วคราวแบบเรียลไทม์สีหน้าการรับรู้ที่ใช้ในสมาร์ทโฟนระบบจะเสนอใช้เครื่องสถานะจำกัด(แบ่งเป็นสองพวก) ต่อชิ้นเวลาจริงวิดีโอเป็นระยะชั่วคราวจากค่ากลางไปยังจุดสูงสุดของนิพจน์ ที่แบ่งเป็นสองพวกใช้ Lucas Kanade กระแสแสงเวกเตอร์ตามคะแนนการเปลี่ยนสถานะเพื่อปรับความเร็วที่แตกต่างกันของหน้านิพจน์ในขณะที่ใช้ HMM แม้ หรือรุ่นไฮบริ HMMใช้วิธีสุ่มตัวอย่างต้องการชุดข้อมูลเวลาการจัดการเวลา ระบบเสนอรัน โดยไม่มีการสุ่มตัวอย่างหน่วงเวลา ระบบนำเสนอทำสีหน้าการรู้ด้วยการสนับสนุนแบบเวกเตอร์เครื่อง (SVM) ในทุกรัฐ apex หลังแบ่งอัตโนมัติชั่วคราว มือถือโปรแกรมประยุกต์ ด้วยวิธีการของเราที่ทำงานบนซัมซุงกาแล็กซี่ S33.7 เฟรมต่อวินาทีและความถูกต้องของบายอารมณ์แบบเรียลไทม์การรับรู้เป็นอารมณ์พื้นฐาน 6 โดย 5 วิชาประมาณ 70.6%ที่ไม่ได้นักแสดงมืออาชีพ

ผลลัพธ์ (ไทย) 2:

การแบ่งส่วนชั่วขณะเวลาวิดีโอเรียลไทเป็นสำคัญ
ส่วนหนึ่งของระบบการรับรู้การแสดงออกทางสีหน้าอัตโนมัติ.
การศึกษาจำนวนมากสำหรับการรับรู้การแสดงออกทางสีหน้าได้
รับการดำเนินการภายใต้สภาพแวดล้อมที่ถูก จำกัด การทดลอง
ดังกล่าวเป็นชุดวิดีโอก่อนแบ่งกลุ่ม ในบทความนี้เราจะนำเสนอ
ในเวลาจริงวิธีการแบ่งกลุ่มสำหรับวิดีโอชั่วคราวโดยอัตโนมัติ
ได้รับการยอมรับการแสดงออกทางสีหน้ามาร์ทโฟนที่ใช้บังคับใน.
ระบบที่นำเสนอการใช้เครื่องรัฐ จำกัด
(เอฟเอ) สำหรับการแบ่งกลุ่มครั้งวิดีโอเรียลไทเป็นขั้นตอนชั่วคราว
จากการแสดงออกเป็นกลางเพื่อจุดสูงสุดของ การแสดงออก
เอฟเอสที่ใช้การไหลของแสง Lucas-Kanade ของเวกเตอร์คะแนนตาม
สำหรับการเปลี่ยนสถานะที่จะปรับตัวด้วยความเร็วที่แตกต่างของการแสดงออกทางสีหน้า.
ในขณะที่แม้อืมหรือรูปแบบอืมไฮบริด
วิธีการที่ใช้ในการจัดการข้อมูลอนุกรมเวลาจำเป็นต้องมีการสุ่มตัวอย่าง
ครั้งระบบที่เสนอทำงานโดยไม่มีการสุ่มตัวอย่างใด ๆ
หน่วงเวลา . ระบบที่นำเสนอประสิทธิภาพการแสดงออกทางสีหน้า
ได้รับการยอมรับด้วยการสนับสนุนเครื่องเวกเตอร์ (SVM) ในทุก
รัฐหลังจากที่ยอดการแบ่งส่วนขมับอัตโนมัติ มือถือ
แอพพลิเคของเราด้วยวิธีการทำงานบน Samsung Galaxy S3
กับ 3.7 เฟรมต่อวินาทีและความถูกต้องของเรียลไทม์อารมณ์มือถือ
ได้รับการยอมรับเป็นเรื่องเกี่ยวกับ 70.6% นาน 6 อารมณ์ขั้นพื้นฐาน 5 วิชา
ที่ไม่ได้เป็นนักแสดงมืออาชีพ

ผลลัพธ์ (ไทย) 3:

การแบ่งส่วนตลาดกาลเวลาจริงวิดีโอเป็นส่วนสําคัญ
สำหรับระบบการรู้จำสีหน้าอัตโนมัติ
หลายการศึกษาเพื่อการรับรู้สีหน้าได้
ได้ดําเนินจำกัด ทดลองภายใต้สภาพแวดล้อม
เช่นก่อนตั้งค่าแบ่งวิดีโอ ในกระดาษนี้เรานำเสนอ : วิดีโอเรียลไทม์การแบ่งส่วนแบบอัตโนมัติ
กาลการแสดงออกทางสีหน้าการใช้ในมาร์ทโฟน .
ระบบใช้เครื่องจักรสถานะจำกัด
( ใน ) การแบ่งส่วนเวลาจริงวิดีโอลงชั่วคราวระยะ
จากการแสดงออกเป็นกลางเพื่อจุดสูงสุดของการแสดงออก
ในใช้ลูคัส คานาเดะ ไหลตามแสงเวกเตอร์คะแนน
สำหรับรัฐเปลี่ยนปรับความเร็วที่แตกต่างของการแสดงออกทางสีหน้า .
ในขณะที่หือแม้แต่ตาม หรือแบบไฮบริด
อืมพื้นฐานการจัดการข้อมูลอนุกรมเวลาต้องการ
ครั้งตัวอย่างวิธีการระบบวิ่งโดยไม่มีการสุ่มตัวอย่าง
เวลาล่าช้า ระบบการรับรู้การแสดงออก
ผิวหน้าด้วยเครื่องเวกเตอร์สนับสนุน ( SVM ) บนทุกสภาพหลังจากการ
APEX ชั่วคราวอัตโนมัติ มือถือ
กับวิธีการของเรารันบน Samsung Galaxy S3
กับ 3.7 เฟรมต่อวินาทีและความถูกต้อง เวลาอารมณ์
มือถือการรับรู้เกี่ยวกับร้อยละ 70.6 6 พื้นฐานอารมณ์ของ 5 วิชา
ที่ไม่ได้เป็นนักแสดงมืออาชีพ