A Personality traits and job candidate screening via analyzing facial videos 阅读笔记

A Personality traits and job candidate screening via analyzing facial videos

前言

这篇文章看起来对个性的提取的话，只提取了一个脸部特征，但是效果也不错，我们可以看到它的提取的脸部的人是如何提取的以及它的分类方法，从摘要中我们可以看到它是使用了支持向量机的回归，这种比较传统的回归方法。

模型方法

模型的整个流程如下图所示，

总共包含三个方面，第1个是视觉特征提取，然后是个性回归，最后是面试分类，

脸部预处理

使用 Haar cascade object detector 来进行人脸区域的识别以及 脸部坐标的识别，其中两眼的距离用于去调整整个脸部的探测区域，用于规整脸部

特征提取

使用以下两种工具进行；脸部嗯，提取

• Local Phase Quan- tization (LPQ)
• Binarized Statistical Image Features (BSIF)

然后 用一个 Pyramid Multi-Level （金字塔级别）来进行描述

下图就是 4级 金字塔的特征描述

我们将上面的两个方法提取的特征进行拼接，成一个特征向量，因为每一帧都会有一个特征向量，我们为了得到整个视频的特征，我们将每一帧得到的特征向量进行平均，这就代表着整个视频的画面特征向量。

如下图所示：

个性估计& 面试估计

每个个性特征都使用一个 SVR 来进行回归，回归预测的分数的作为个性的最终分数

对于面试的话，我们将前面预测的5个个性分数当做特征， 用Gaussian Process Regression 进行回归你好，

实验

总结

• 单模态的个性提取，主要提取的是脸部特征
• 一个脸部特征的方法要查看一下，感觉都大同小异
• 把所有帧的特征提取，然后做平均，是以时间空间计算效率的损耗， 来提升效果，