In this study, dynamic 3D facial expression recognition is addressed by proposing novel landmark-based and appearance-based approaches. As a preliminary work, a set of geometric landmark-based features are extracted from 3D images, followed by sequential forward feature selection (SFFS) and a two-layered support vector machine (SVM), fuzzy SVM classifier to recognize six basic expressions. Experiments conducted on BU-3DFE data set proved that the proposed algorithm outperforms the conventional methods advocating the effectiveness of geometric landmark-based methods.
In the second phase, a novel method using time series analysis of landmark-based geometric deformations is proposed for dynamic 3D facial expression recognition. After head pose correction and normalization, a set of multimodal time series are constructed from the local temporal deformations by applying a sliding window averaging on a comprehensive set of geometric landmark-based deformations (point, distance and angle). This stage is interlocked with facial action unit analysis to identify the key points from facial landmarks. Then, neighborhood component analysis feature selection (NCFS) is utilized to discard redundant features. Finally, adaptive cost dynamic time warping (AC-DTW) is applied to classify six prototypic expressions. Experiments on BU-4DFE data set confirmed the effectiveness of the proposed algorithm.
In the third phase, an appearance-based dynamic 3D facial expression recognition is proposed using low-rank sparse codes and a novel spatiotemporal region of interest
(ROIs) pooling. 12 ROIs are defined using automatically detected and tracked landmarks in by applying a multi-point tracker. LBP-TOP feature descriptors are extracted from cuboids inside spatiotemporal regions of interests in both texture and depth sequences and are fused to form the feature matrix. Sparse codes are obtained using low-rank sparse coding. Finally, hidden-state conditional random fields are employed to classify six basic expressions. Experimental results on BU-4DFE data set verified that proposed method improves the accuracy of dynamic facial expression recognition in comparison to previously proposed approaches.
Keywords: Dynamic 3D facial expression recognition; Spatiotemporal analysis; Geometric landmark-based deformations; Time series analysis; Dynamic time warping; Facial landmark detection; Landmark tracking; Sparse Code; Region of interest.
ÖZ:
Bu çalışmada, dinamik üç boyutlu yüz ifadesi tanıma, özgün öznitelik noktaları ve görünüm tabanlı yaklaşımlar önerilerek ele alınmıştır. Önerilen ön çalışmada, 3 boyutlu görüntülerden bir dizi geometrik öznitelik noktaları çıkarılarak, ardından altı temel ifadeyi tanımlamak için sıralı ileri öznitelik seçimi (SFFS) sonrasında iki katmanlı bir sınıflandırıcı kapsamında destek vektör makinesi (SVM) ve bulanık SVM sınıflandırıcı kullanılmıştır. BU-3DFE veri seti üzerinde yapılan deneyler, önerilen algoritmanın geometrik öznitelik noktaları tabanlı yöntemin etkinliğini geleneksel yöntemleri geride bırakarak ortaya koymaktadır.
İkinci aşamada, dinamik 3D yüz ifadesi tanıma için öznitelik noktaları tabanlı geometrik deformasyonların zaman serisi analizini kullanan yeni bir yöntem önerilmiştir. Kafa poz düzeltmesi ve normalizasyondan sonra, geniş bir geometrik öznitelik noktaları temelli deformasyon setine (nokta, mesafe ve açı) kayar ortalama pencere uygulanarak yerel zamansal deformasyonlardan dizi çok-kipli bir zaman serisi oluşturulmaktadır. Bu aşama, yüz üzerinde önemli noktaları belirlemek için yüz aksiyon birimi analizi ile gerçekleştirilir. Daha sonra, fazla özellikleri azaltmak için komşu bileşen analizi özellik (NCFS) seçimi kullanılır. Son olarak, uyarlanabilir maliyetli dinamik zaman atlaması (AC-DTW) altı prototipik ifadeyi sınıflandırmak için uygulanmıştır. BU-4DFE veri seti üzerinde yapılan deneyler önerilen algoritmanın etkinliğini doğrulamaktadır.
Üçüncü aşamada, düşük sıralı seyrek kodlar ve yeni bir zamanmekansal ilgi alanı (ROI) havuzu kullanılarak görünüm temelli bir dinamik 3D yüz ifadesi ifadesi
önerilmiştir. 12 ROI, otomatik olarak algılanan ve izlenen yüz işaretleri kullanılarak çok noktalı bir izleyici uygulanarak tanımlanmaktadır. LBP-TOP öznitelik tanımlayıcıları hem doku hem de derinlik dizilerindeki ilgi alanlarının zamanmekansal bölgelerinde bulunan küplerden çıkarılır ve öznitelik matrisini oluşturmak için birleştirilir. Seyrek kodlar düşük dereceli seyrek kodlama kullanılarak elde edilmiştir. Son olarak, gizli-durum koşullu rasgele alanlar altı temel ifadeyi sınıflandırmak için kullanılmıştır. BU-4DFE veri setindeki deneysel sonuçlar, önerilen yöntemin daha önce önerilen yaklaşımlara kıyasla dinamik yüz ifadesi tanıma doğruluğunu artırdığını doğrulamıştır.
Anahtar Kelimeler: Dinamik 3D yüz ifadesi tanıma; zamanmekansal analiz; Geometrik öznitelik noktaları tabanlı deformasyonlar; Zaman serisi analizi; Dinamik zaman atlaması; Yüz öznitelik noktaları tespiti; Öznitelik noktaları izleme; Seyrek Kod; İlgi bölgesi.
