JP5300795B2 - 顔表情増幅装置、表情認識装置、顔表情増幅方法、表情認識方法、及びプログラム - Google Patents
顔表情増幅装置、表情認識装置、顔表情増幅方法、表情認識方法、及びプログラム Download PDFInfo
- Publication number
- JP5300795B2 JP5300795B2 JP2010146531A JP2010146531A JP5300795B2 JP 5300795 B2 JP5300795 B2 JP 5300795B2 JP 2010146531 A JP2010146531 A JP 2010146531A JP 2010146531 A JP2010146531 A JP 2010146531A JP 5300795 B2 JP5300795 B2 JP 5300795B2
- Authority
- JP
- Japan
- Prior art keywords
- expression
- facial expression
- category
- amplification
- facial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
入力部1は、目や、口といった顔部品周辺に配置されたJ個の特徴点のD次元(ここでは、D=3とする)の座標値が、表情変化に伴う無表情時からの変位を並べたベクトル(特徴ベクトルと呼ぶ、数式(1)参照)を時系列に出力する。
1人、あるいは複数人の人物についての様々なカテゴリに対する表情の表出を複数回分用意する。1回の表出は、無表情から開始して対象の表情を最大限に表出するまでとする。また、それぞれの表出データ中の個々のフレームに対して、そのとき表出されている表情のカテゴリc、及び、その表出強度iが人手などにより事前に付与されているものとする。
入力データは、1人の人物があるカテゴリの表情を表出している間の時刻tにおいて計測された特徴ベクトルztである。
表情増幅パラメータ学習部2は、様々なカテゴリcに対して、様々な表出強度i(<1.0)における特徴ベクトルzc,iと、対応するカテゴリを最大限に表出した(i=1.0)際の特徴ベクトルzc,APEXとの間の違いを学習する。これにより、最大限でない表出強度の特徴ベクトルzとその表情のカテゴリcとが与えられた際に、そのカテゴリcの最大表出時の特徴ベクトル(^)zc,APEXへと増幅できるようになる。
増幅ベクトルを、次式(8)と定義する。
増幅ベクトル、及び増幅スケールが共にカテゴリ依存かつ表出強度依存であるため、それらは、次式(11)と次式(12)と次式(13)とが結合した形で得られる。
表情増幅部3は、仮説生成部3−1と表情データ増幅部3−2とからなる。まず、仮説生成部3−1は、表情のカテゴリ、及び表出強度の値の組{cj,ij}についての仮説を複数生成する。次いで、表情データ増幅部3−2は、それぞれの仮説に対して、その仮説が持つカテゴリ、及び表出強度が正しいことを仮定して、入力データを、そのカテゴリが最大限表出されたデータへと増幅する。
仮説生成部3−1は、それぞれが推定対象である表情のカテゴリ及び表出強度についての様々な値の組(数式(19)参照)を持つ仮説を複数出力する。
表情データ増幅部3−2は、それぞれの仮説に対して、その仮説が持つカテゴリ、及び表出強度が正しいことを仮定して、入力データを、そのカテゴリが最大限表出されたデータへと増幅する。表情データ増幅部3−2は、テストデータzt、及び、カテゴリと表出強度とについての仮説集合{cj,ij}を入力として、それぞれの仮説に対して、そのカテゴリcjについての最大表出強度の表情のデータへと増幅した結果(数式(21)参照)を出力する。
表情認識部4は、カテゴリと表出強度についての仮説集合と、それぞれの仮説に応じて増幅された入力データの集合を入力として、入力データのカテゴリ、及び表出強度の推定結果を出力する。この表情認識部4は、それぞれの仮説毎に、その増幅された結果がどの程度尤もらしいのかを評価する表情評価部4−1、及び、それら評価された仮説集合に基づき推定結果を算出する推定結果算出部4−2とからなる。
表情評価部4−1は、様々な仮説を元に増幅されたデータ(数式(23)参照)を入力として、それぞれに対して、仮説の保持するカテゴリに対する最大表出強度を持つ学習データzc,APEXに対する類似度に基づくスコア(数式(24)参照)を出力する。
推定結果算出部4−2は、仮説集合Hに含まれる、それぞれの仮説に対するスコア(数式(24)参照)に基づいて、最終的なカテゴリと表出強度とについての一意の推定値(数式(27))を出力する。
2 表情増幅パラメータ学習部
3 表情増幅部
3−1 仮説生成部
3−2 表情データ増幅部
4 表情認識部
4−1 表情評価部
4−2 推定結果算出部
Claims (10)
- 人物の顔表情を示すカテゴリに対して、様々な表出強度と該カテゴリを最大限に表出した際の最大表出強度との違いを、表情増幅パラメータとして学習する表情増幅パラメータ学習手段と、
入力される人物の顔表情を示す入力データに対して、そのカテゴリと表出強度とについて様々な状態を仮定し、それぞれの仮定に対して、前記表情増幅パラメータ学習手段によって学習された表情増幅パラメータに基づいて、前記入力データを増幅する表情増幅手段と
を備えることを特徴とする顔表情増幅装置。 - 前記表情増幅手段は、
入力される人物の顔表情に対するカテゴリと表出強度との組み合わせについて、複数の仮説を生成する仮説生成手段と、
前記仮説生成手段によって生成される複数の仮説に対して、その仮説が持つカテゴリ、及び表出強度が正しいことを仮定して、前記入力データを、そのカテゴリが最大限表出されたデータへと増幅する表情データ増幅手段と
を備えることを特徴とする請求項1に記載の顔表情増幅装置。 - 人物の顔表情を示すカテゴリに対して、様々な表出強度と該カテゴリを最大限に表出した際の最大表出強度との違いを、表情増幅パラメータとして学習する表情増幅パラメータ学習手段と、
入力される人物の顔表情を示す入力データに対して、そのカテゴリと表出強度とについて様々な状態を仮定し、それぞれの仮定に対して、前記表情増幅パラメータ学習手段によって学習された表情増幅パラメータに基づいて、前記入力データを増幅する表情増幅手段と、
前記表情増幅手段によって増幅された入力データの、様々なカテゴリに対する最大表出強度の顔表情への類似程度に基づいて、前記入力データのカテゴリと表出強度とを推定する表情認識手段と
を備えることを特徴とする表情認識装置。 - 前記表情増幅手段は、
入力される人物の顔表情に対するカテゴリと表出強度との組み合わせについて、複数の仮説を生成する仮説生成手段と、
前記仮説生成手段によって生成される複数の仮説に対して、その仮説が持つカテゴリ、及び表出強度が正しいことを仮定して、前記入力データを、そのカテゴリが最大限表出されたデータへと増幅する表情データ増幅手段と
を備えることを特徴とする請求項3に記載の表情認識装置。 - 人物の顔表情を示すカテゴリに対して、様々な表出強度と該カテゴリを最大限に表出した際の最大表出強度との違いを、表情増幅パラメータとして学習する表情増幅パラメータ学習ステップと、
入力される人物の顔表情を示す入力データに対して、そのカテゴリと表出強度とについて様々な状態を仮定し、それぞれの仮定に対して、前記表情増幅パラメータ学習ステップで学習された表情増幅パラメータに基づいて、前記入力データを増幅する表情増幅ステップと
を含むことを特徴とする顔表情増幅方法。 - 前記表情増幅ステップは、
入力される人物の顔表情に対するカテゴリと表出強度との組み合わせについて、複数の仮説を生成する仮説生成ステップと、
前記仮説生成ステップで生成された複数の仮説に対して、その仮説が持つカテゴリ、及び表出強度が正しいことを仮定して、前記入力データを、そのカテゴリが最大限表出されたデータへと増幅する表情データ増幅ステップと
を含むことを特徴とする請求項5に記載の顔表情増幅方法。 - 人物の顔表情を示すカテゴリに対して、様々な表出強度と該カテゴリを最大限に表出した際の最大表出強度との違いを、表情増幅パラメータとして学習する表情増幅パラメータ学習ステップと、
入力される人物の顔表情を示す入力データに対して、そのカテゴリと表出強度とについて様々な状態を仮定し、それぞれの仮定に対して、前記表情増幅パラメータ学習ステップで学習された表情増幅パラメータに基づいて、前記入力データを増幅する表情増幅ステップと、
前記表情増幅ステップによって増幅された入力データの、様々なカテゴリに対する最大表出強度の顔表情への類似程度に基づいて、前記入力データのカテゴリと表出強度とを推定する表情認識ステップと
を含むことを特徴とする表情認識方法。 - 前記表情増幅ステップは、
入力される人物の顔表情に対するカテゴリと表出強度との組み合わせについて、複数の仮説を生成する仮説生成ステップと、
前記仮説生成ステップで生成された複数の仮説に対して、その仮説が持つカテゴリ、及び表出強度が正しいことを仮定して、前記入力データを、そのカテゴリが最大限表出されたデータへと増幅する表情データ増幅ステップと
を含むことを特徴とする請求項7に記載の表情認識方法。 - 人物の顔表情を示すカテゴリに対して、様々な表出強度と該カテゴリを最大限に表出した際の最大表出強度との違いを、表情増幅パラメータとして学習する表情増幅パラメータ学習機能、
入力される人物の顔表情を示す入力データに対して、そのカテゴリと表出強度とについて様々な状態を仮定し、それぞれの仮定に対して、前記表情増幅パラメータ学習ステップで学習された表情増幅パラメータに基づいて、前記入力データを増幅する表情増幅機能、
を実行させることを特徴とするプログラム。 - 前記表情増幅機能によって増幅された入力データの、様々なカテゴリに対する最大表出強度の顔表情への類似程度に基づいて、前記入力データのカテゴリと表出強度とを推定する表情認識機能
を更に実行させることを特徴とする請求項9に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010146531A JP5300795B2 (ja) | 2010-06-28 | 2010-06-28 | 顔表情増幅装置、表情認識装置、顔表情増幅方法、表情認識方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010146531A JP5300795B2 (ja) | 2010-06-28 | 2010-06-28 | 顔表情増幅装置、表情認識装置、顔表情増幅方法、表情認識方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012008949A JP2012008949A (ja) | 2012-01-12 |
JP5300795B2 true JP5300795B2 (ja) | 2013-09-25 |
Family
ID=45539380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010146531A Active JP5300795B2 (ja) | 2010-06-28 | 2010-06-28 | 顔表情増幅装置、表情認識装置、顔表情増幅方法、表情認識方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5300795B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4163867A4 (en) * | 2020-06-09 | 2023-04-26 | Fujitsu Limited | DECISION PROGRAM, DECISION DEVICE AND DECISION PROCESS |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170031814A (ko) * | 2015-09-11 | 2017-03-22 | 한국과학기술원 | 얼굴의 미세 표정 인식 방법 및 장치 |
JP7037159B2 (ja) * | 2019-11-08 | 2022-03-16 | 国立大学法人大阪大学 | 被験者の顎運動を測定するためのシステム、プログラム、および方法 |
US11935329B2 (en) | 2021-03-24 | 2024-03-19 | I'mbesideyou Inc. | Video analysis program |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001043345A (ja) * | 1999-07-28 | 2001-02-16 | Mitsubishi Electric Corp | 表情認識装置、およびそれを用いた投薬制御システム、覚醒レベル評価システム、回復評価システム |
-
2010
- 2010-06-28 JP JP2010146531A patent/JP5300795B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4163867A4 (en) * | 2020-06-09 | 2023-04-26 | Fujitsu Limited | DECISION PROGRAM, DECISION DEVICE AND DECISION PROCESS |
Also Published As
Publication number | Publication date |
---|---|
JP2012008949A (ja) | 2012-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3324333A2 (en) | Method and apparatus to perform facial expression recognition and training | |
Hasan et al. | RETRACTED ARTICLE: Static hand gesture recognition using neural networks | |
Littlewort et al. | Dynamics of facial expression extracted automatically from video | |
JP4950787B2 (ja) | 画像処理装置及びその方法 | |
KR102462818B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
US8849017B2 (en) | Image processing apparatus, image processing method, program, and recording medium for learning from moving images | |
Geetha et al. | A vision based dynamic gesture recognition of indian sign language on kinect based depth images | |
Murtaza et al. | Analysis of face recognition under varying facial expression: a survey. | |
Zeng et al. | View-invariant gait recognition via deterministic learning | |
JP6207210B2 (ja) | 情報処理装置およびその方法 | |
JP2007538318A5 (ja) | ||
JP2018514036A (ja) | 次元データ低減を有するマシンビジョン | |
Li et al. | Efficient 3D face recognition handling facial expression and hair occlusion | |
Akakın et al. | Robust classification of face and head gestures in video | |
JP6465027B2 (ja) | 特徴点位置推定装置、特徴点位置推定方法および特徴点位置推定プログラム | |
KR100988323B1 (ko) | 표정 증폭을 이용한 미세 표정인식 방법 및 장치 | |
Wilhelm | Towards facial expression analysis in a driver assistance system | |
JP5300795B2 (ja) | 顔表情増幅装置、表情認識装置、顔表情増幅方法、表情認識方法、及びプログラム | |
JP2013003706A (ja) | 表情認識装置、方法、及びプログラム | |
Zheng et al. | Facial expression recognition based on texture and shape | |
WO2015176502A1 (zh) | 一种图像特征的估计方法和设备 | |
JP2013003706A5 (ja) | ||
Amara et al. | Emotion recognition via facial expressions | |
Sun et al. | Using backpropagation neural network for face recognition with 2D+ 3D hybrid information | |
KR20210054349A (ko) | 환자의 상지 동작에 의해 도출되는 특징값을 이용한 임상평가척도 예측 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121004 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130530 |
|
TRDD | Decision of grant or rejection written | ||
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20130605 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130611 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130618 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5300795 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |