Dance with Flow: Two-in-One Stream Action Detection
学习时,别忘了总是要问自己一个为什么
论文
文章: Like Father, Like Son: Facial Expression Dynamics for Kinship Verification
连接: https://ieeexplore.ieee.org/document/6751296
1. 简介
这篇文章很早,早到深度学习还没有流行. 这篇文章的思想又很简单,即用动态面部表情来预测亲属关系. 想法的根源是: 我们经常会遇到一个现象,有时候我们会觉得一些人长的并不像他们的父母,直到他们笑起来,才发现他们真的很像他们的父母 这说明在面部表情的动态变化中,包含了一些invariance的信息,我们利用这些信息可以做更好的亲属关系匹配. 本文的最大创新点为: 用动态特征来做亲属关系预测
核心
- facial expression dynamics information :
从多张相邻图像中提取的空前外貌信息以及时序信息
+ + + - spatio-temporal information:
landmark的动作信息
通过跟踪landmark的运动轨迹,眼部,眉毛,脸颊与嘴唇的位移信息将会被记录下来.(嘴部三个阶段的位移的平均值也将会被记录下来). 接下来提取表情的动态信息以及空间-时序信息(提取CLBP纹理特征),并把两种信息分别用SVM训练.
2. facial expression dynamic 信息提取
- landmark extraction:
利用累进式的因素分析混合模型来计算landmark邻近区域的小波特征,提取17个 landmark点的信息This method models Gabor wavelet features of a neighbor- hood of the landmarks using incremental mixtures of factor analyzers and enables a shape prior to ensure the integrity of the landmark constellation
- landmark tracker
通过 PBVD 跟踪器进行跟踪piecewise B´ezier volume deformation (PBVD) tracker
- 3D mesh generation
PBVD把landmark点与3d模型进行贴合.模型通过16块 surface patches生成了标准人脸模型. - Registraion
模型对其 - temporal segmentation
在面部表情选择上,选择了微笑这个表情. 微笑这个表情可以被分成三个时间段:onset, apex, offset.分别代表了开始微笑,微笑达到最大值以及结束微笑三个时间段. - dynamic features
提取动态特征,先计算了不同landmark位置的位移偏差信息:
![](https://img-blog.csdnimg.cn/20190911170147495.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9vbmV3YXkuYmxvZy5jc2RuLm5ldA==,size_16,color_FFFFFF,t_70)
然后分别提取
D
e
y
e
b
r
o
w
,
D
e
y
e
l
i
d
,
D
c
h
e
e
k
,
D
l
i
p
D_{eyebrow},D_{eyelid},D_{cheek},D_{lip}
Deyebrow,Deyelid,Dcheek,Dlip的纵向y分量,以及
D
c
h
e
e
k
,
D
l
i
p
D_{cheek},D_{lip}
Dcheek,Dlip的横向x分量.这些幅度信号被分成三个时间块:onset, apex, offset.
每个时间段的动态特征,又可以提取15个动态features:
![](https://img-blog.csdnimg.cn/20190911170738586.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9vbmV3YXkuYmxvZy5jc2RuLm5ldA==,size_16,color_FFFFFF,t_70)
所以总共应该是 3 × 15 × 6 3\times15\times6 3×15×6个特征
3. spatio-temporal features 信息提取
利用Completed Local Binary Patterns from Three Orthogonal Planes (CLBP-TOP) 提取特征信息.
![](https://img-blog.csdnimg.cn/20190911171137946.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9vbmV3YXkuYmxvZy5jc2RuLm5ldA==,size_16,color_FFFFFF,t_70)
4. pipeline
根据我的理解,再现的流程图:
![](https://img-blog.csdnimg.cn/20190911171457714.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9vbmV3YXkuYmxvZy5jc2RuLm5ldA==,size_16,color_FFFFFF,t_70)
5. 结果
![](https://img-blog.csdnimg.cn/20190911171628962.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9vbmV3YXkuYmxvZy5jc2RuLm5ldA==,size_16,color_FFFFFF,t_70)