×

使用统计形状模型的面部表情生物特征。 (英语) Zbl 1184.94055号

摘要:本文描述了一种新的基于统计形状模型(SSM)的形状空间矢量(SSV)的面部表情表示方法。该方法仅依赖于3D形状,算法的任何部分都不使用纹理信息,这使得它对背景、照明和一定程度上的视角变化具有固有的不变性。为了评估该方法,使用了两个全面的3D人脸数据集进行测试。实验结果表明,SSV不仅可以控制人脸的形状变化,还可以捕捉人脸的表情特征,可以作为人脸表情识别的重要特征。最后,本文建议使用3D面部序列而不是3D静态图像来改进SSV的鉴别特征。

MSC公司:

94A08型 信息与通信理论中的图像处理(压缩、重建等)
92B15号机组 普通生物统计学
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[3] doi:10.1016/j.artmed.2004.12.003·doi:10.1016/j.artmed.2004.12.003
[5] doi:10.1016/S0031-3203(02)00052-3·Zbl 1007.68947号 ·doi:10.1016/S0031-3203(02)00052-3
[6] doi:10.1016/j.cviu.2006.10·doi:10.1016/j.cviu.2006.10
[7] doi:10.1109/TPAMI.2003.1227983·doi:10.1109/TPAMI.2003.1227983
[12] doi:10.1006/cviu.1995.1004·doi:10.1006/cviu.1995.1004
[17] 数字对象标识代码:10.1109/34.121791·数字对象标识代码:10.1109/34.121791
[19] 数字对象标识代码:10.1109/34.88573·数字对象标识代码:10.1109/34.88573
[20] doi:10.1037/h0030377·doi:10.1037/h0030377
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。