顔表情の計算機による表現、学習と認識

点击翻译按钮获取中文摘要

顔表情の認識は感性情報処理の一例として、非常に注目されている。我々は処理を以下のように分ける。まず、最初の入力画像において顔の特徴を自動的に決定する。次は、その後の画像系列において顔の特徴を追跡し、動き情報を抽出する。最後に、表情の動的モデルと照合することで、認識を行う。その一環として我々はまず顔特徴の抽出と追跡について研究を行った。表情と関係が深いものとして、口の両端、眼の両端、眉毛の内側の端、共8点を顔の特徴として選んだ。画像は顔の正面から、画像いっぱいに写るように撮ったものとする。我々は各特徴のローカルなテンプレートと顔の器官間の位置関係というグローバルモデルとを両方用いて、総合的に判断して、ロバストな顔特徴が自動的に抽出できると考える。顔器官を抽出する場合、個人性や表情、照明条件、顔の向きなどによってその画像が変形するため、結果が安定しないことが多い。そこで、以上の各特徴に共通なより柔軟な特徴モデル(Partial Feature Template)を提案し、部分特徴テンプレートPFTを用いて、画像全体で探索を行い、候補となるものを抽出する。次に、特徴の相互関係を記述したグローバルモデル(Global Facial Model)に照らして、特徴の候補から真のものを選ぶ。以上の方法で、11人の50枚の画像に上記の方法を適用した結果、80%の成功率が得られた。また、100枚の連続画像に対して追跡を行った結果、99枚で正しい結果が得られた。