Detekce emotivních výrazů v obličeji

Abstract

Výrazy v lidské tváři jsou důležitým klíčem k rozpoznání lidských emocí. Tato práce se zabývá typem obličejových výrazů, které vznikají spontánně, bez vědomí člověka. Nazývají se mikro-výrazy a jsou typické svou rychlostí. Objevují se ve vyhrocených a stresových situacích, kdy osoba je nucena své emoce skrývat. Obvyklé rysy mikro-výrazů jsou rychlý průběh a nízká intenzita změny. Navrhujeme metodu, která detekuje mikro-výrazy ve videu. Metoda je založena na analýze rozdílu intenzit v registrovaném obrazu obličeje. Specifický vzor mikro-výrazu je detekován SVM klasifikátorem. Výsledky jsou vyhodnoceny na standardních databázích (CASME2 a SMIC). Navržená metoda je lepší než konkurenční metoda v detekci mikro-výrazů. Dále jsme shromáždili reálné příklady, a to především z pokerových turnajů na YouTube. Dosáhli jsme průměrné cross-validační AUC 0,88 pro databázi SMIC a 0,81 pro naší novou databázi MEVIEW.Facial expressions are important cues to observe human emotions. The thesis studies the involuntary type of facial expressions called micro-expressions. Micro-expressions are quick facial motions, appearing in high stake and stressful situations, typically when a subject tries to hide his or her emotions. Two attributes are present - fast duration and low intensity. A simple detection method is proposed, which determines instants of micro-expressions in a video. The method is based on analyzing image intensity differences over a registered face sequence. The specific pattern is detected by an SVM classifier. The results are evaluated on standard micro-expression datasets SMIC and CASMEII. The proposed method outperformed the competing method in detection accuracy. Further, we collected a new real-world micro-expression dataset consisting mostly of poker game videos downloaded from YouTube. We achieved average cross-validation AUC 0.88 for the SMIC, and 0.81 on the new challenging ``in the Wild'' database called MEVIEW.