Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice
Introduccin
Nuevos enfoques
Futuro
Introduccin
Anlisis de Expresiones Faciales Automtico (AEFA)
Objetivo: reconocer y analizar mediante ordenadores, movimientos
faciales y cambios en los rasgos faciales, a partir de informacin
visual.
Expresiones faciales
Cambios faciales respuesta a:
Estado emocional interno de la persona
Estado fsico
Intenciones
Comunicacin social
Origen
[1872]: Origen de la investigacin sobre el comportamiento
[1978]: Suwa et al. realizaron un SAEF basado en el seguimiento de
20 puntos en una secuencia de imgenes
Posteriormente y en la actualidad: se han realizado numerosos
trabajos de investigacin. 3
1
Introduccin
Anlisis de Emociones
Se requiere un nivel ms elevado de conocimiento.
Las expresiones faciales no slo pueden provenir de emociones, sino
tambin pueden expresar:
Intencin
Procesos cognitivos
Esfuerzo fsico
Pensamientos interpersonales e intrapersonales
Conversaciones
Su interpretacin debe estar asistida por
El contexto
Gestos corporales
Voz
Peculiaridades individuales
Factores culturales
Configuracin facial
Duracin
El AEFA slo estudia las acciones faciales, sin considerar estos
4
factores.
El AEFA incluye:
Medir el movimiento facial
Reconocer expresiones
Pasos:
BD 6
2
Etapas de la creacin y uso de SAEFA
Adquisicin Adquisicin
de la imagen de la imagen
Normalizacin y Normalizacin y
Extraccin de Extraccin de
caractersticas faciales caractersticas faciales
Almacenamiento Reconocimiento
BD Id. expresin
Adquisicin de la cara
Deteccin
Deteccin en cada frame
Deteccin en el 1 frame (frontal y sin expresin) + traking para el resto
Estimacin de la pose
Normalizacin del tamao y pose
Rotacin de la cabeza en el plano
Escalado
Deteccin de la cara
Problema de investigacin en s mismo
Mltiples aplicaciones:
Recuperacin de informacin, RFA, ambientes inteligentes, etc..
Su xito o fracaso es crucial para el AEFA.
Consiste en:
Localizar cada cara en la imagen, reconociendo que se trata de una cara
y no otro patrn.
Cronologa:
Hasta el 95: detectar la vista frontal de la cara con un fondo libre de
objetos.
Posteriormente: sobre fondos con otros objetos presentes
ltimos aos: se ha abordado el problema de detectar varias caras en
una misma imagen.
H. A. Rowley, S. Baluja, T.Kanade Investigacin actual: segmentar mltiples caras ocluidas o rotadas en
http://vasc.ri.cmu.edu/NNFaceDetector/
imgenes de escenas complejas.
Dificultades:
Existencia de otros objetos 9
Oclusiones parciales de la cara (barba, gafas)
3
Deteccin de la cara
Tcnicas Trabajos representativos
Emparejamiento de grafos [Wiskott97]
elsticos
Redes neuronales [Sung94][Rowley95][Rowley98][Delaki03]
Color de la piel [Zhao03]
Forma [Samaria95]
[Viola01] (Rasgos rectangulares)
Movimiento [Lee96]
PCA [Pentland94] (eigenspaces basados en vistas)
[Schneiderman00] (mltiples vistas)
SVM [Osuna97][Lin04]
Survey: [Yang 02]
10
12
4
Espacio del problema del AEFA
Dimensiones:
Nivel de descripcin
Diferencias individuales entre sujetos
Transiciones entre expresiones
Intensidad de la expresin facial
Expresiones deliberadas vs. espontneas
Orientacin de la cabeza
Complejidad de la escena
Adquisicin de la imagen y resolucin
Fiabilidad de la verdad
Bases de datos
Relacin con otros comportamientos faciales o no faciales
La mayora del trabajo realizado est confinado en
una regin de este espacio muy restringida 13
15
5
Espacio del problema del AEFA
Nivel de descripcin
Sistema de codificacin de acciones faciales (FACS)
Diseado para detectar sutiles cambios en rasgos faciales.
Basado en observador humano
Observando grabaciones del comportamiento facial a
cmara lenta, observadores entrenados pudieron codificar
manualmente las posibles action units.
Pueden ocurrir de forma individual o en combinacin con
otras.
FACS: consiste en 44 unidades de accin (UA).
30: relacionadas anatmicamente con la contraccin de un
conjunto especfico de msculos
14 restantes (acciones miscelnea): su base anatmica no est
especificada
Pueden codificarse como simtricas o asimtricas
Para las que pueden variar en intensidad, se usa una escala ordinal
de puntuacin entre 1 y 5 para medir el grado de contraccin
muscular. 16
14 UAs restantes
(acciones miscelnea)
17
30 Unidades de accin (UA)
Ejemplos de Combinaciones de UA
6
Espacio del problema del AEFA
20
21
7
Espacio del problema del AEFA
Transiciones entre expresiones
Ej.: Combinacin aditiva sonrisa + boca abierta
Combinaciones aditivas
=
+
labios poco separados
+ =
Sonrisa
+ mandbula hacia abajo
Se deben detectar las 3
transiciones entre boca
abierta reconociendo
tambin AU 12 (que
tambin puede cambiar en
Boca abierta 22
intensidad)
+ La accin AU 12 se
modifica por la AU 15
Sonrisa Comisuras
(Eleva comisuras y mejillas) hacia abajo
8
Espacio del problema del AEFA
Signos de
tristeza +
Comisuras Subir y fruncir la parte
hacia abajo interna de las cejas
Orientacin de la cara
Pocos trabajos han tratado invarianza ante la pose
Se suelen considerar slo rotaciones en el plano, y pocos, leves
rotaciones fuera del plano
Para grandes rotaciones fuera del plano se pueden usar varias
cmaras.
Se ha demostrado:
Sonrisa: generalmente se rota la cabeza hacia otra persona
Sorpresa: los nios la realizan rotando la cabeza hacia atrs
Complejidad de la escena
Influye en la deteccin de la cara, tracking, y reconocimiento
de expresiones
La mayora de las BD contienen imgenes de una nica
persona con fondos simples
En ambientes naturales: mltiples personas interactan
La presencia de UAs de varias personas: apenas se ha tratado
26
Adquisicin de la imagen
Propiedades y nmero de cmaras de vdeo y digitalizadores
Iluminacin:
sombras en los ojos, etc perjudican
Mtodos que funcionan bien con luz artificial, fallan con luz ambiental
Poca luz y poca resolucin: aportan menor informacin sobre los
rasgos faciales
Para algoritmos basados en flujo ptico:
el desplazamiento de los pxeles entre frames adyacentes debe ser
pequeo => n frames/segundo debe ser adecuado
27
9
Espacio del problema del AEFA
Resolucin de la imagen
29
Bases de datos
La mayora de los trabajos:
han usado conjuntos de datos reducidos
Slo se han considerado algunas expresiones faciales globales
(ej. alegra o miedo)
Pocos sujetos
Edad, raza y condiciones de adquisicin homogneas
Es preciso evaluar estos sistemas mediante test
comparativos en BDs amplias, que contemplen el
mximo n de variaciones.
BDs:
Cohn Kanade: AU-Coded Face Expression Image Database.
Frank Ekman
30
10
Espacio del problema del AEFA
31
Primeros trabajos
Suwa et al. [1978]: seguimiento de 20 puntos en secuencia de vdeo
Surveys extensos
Resumen reducido
[Li & Jain 2004] (Handbook of Face Recognition, Li & Jain, Cap. 11, Springer)
32
CMU S2
[Cohn, Kanade, Xiao et al. 01-02]
Carnegie Mellon University S2
UCSD S1
[Ford 02]
Universidad de California, San Diego
UCSD S2
[Barlett et al. 01]
Universidad de California, San Diego
33
11
Adquisicin
Deteccin de la cara
CMU S1 (NN)
[Tian, Kanade, Cohn 00-01-02]
Carnegie Mellon University S1
CMU S2 (NN)
[Cohn, Kanade, Xiao et al. 01-02]
Carnegie Mellon University S2
UCSD S1
[Ford 02]
Universidad de California, San Diego
UCSD S2
[Barlett et al. 01]
Universidad de California, San Diego
35
Normalizacin
Traslacin
Escala
Rotacin en el plano
x
y
12
Estimacin de la pose
CMU S1
[Tian, Kanade, Cohn 00-01-02]
Carnegie Mellon University S1
CMU S2
[Cohn, Kanade, Xiao et al. 01-02]
Carnegie Mellon University S2
UCSD S1
[Ford 02]
Universidad de California, San Diego
UCSD S2
[Barlett et al. 01]
Universidad de California, San Diego
37
Estimacin de la pose
http://www.ri.cmu.edu/projects/project_500.html
38
Estimacin de la pose
39
13
Estimacin de la pose
Mtodos basados en imgenes 2D
Un clasificador (p.e. NN) estima la pose:
frontal o casi frontal
perfil
otras
El AEFA se aplica slo a vistas frontales o casi frontales
40
Rasgos geomtricos
Forma y localizaciones de las componentes de la cara
(ojos, boca, nariz, cejas...)
Un vector representa a la geometra de la cara
Rasgos de la apariencia
Apariencia de la textura de la piel, cambios de la cara
(arrugas, surcos, hoyos )
en toda la cara o
en partes de la cara
Apariencia
Hbridos: geomtricos + apariencia (mejores resultados) 41
Abierto, cerrado
Existe, no existe
14
Extraccin de rasgos geomtricos
Tcnicas relevantes Trabajos representativos
Procesamiento de imgenes Multirresolucin [Kelly70], Simetra [Reisfeld92],
Morfologa matemtica [Perlibakas03], imagen de bordes
[Moon00]
Uso de plantillas fijas Imagen de intensidad [Brunelli93][Heisele03]
Plantilla sinttica de bordes
Plantilla basada en histograma [Hallinan91]
Uso de plantillas deformables Modelo paramtrico 2D del rasgo [Yuille89]
Institut National des Tlcom. Basada en puntos de control de un modelo facial 2D [Xue03]
ARTEMIS Project Unit
44
UIUC S1
Usa un mallado 3D para seguir los rasgos faciales
geomtricos definidos en el modelo.
El modelo se ajusta manualmente al primer frame
45
15
Extraccin de rasgos de la apariencia
Onditas de Gabor
de toda la cara
de partes de la cara
Cambios en la apariencia:
conjunto de coeficientes multiescala y multiorientacin
Zhang
posiciones geomtricas de 34 puntos
612 coeficientes de onditas de Gabor
(mejor resultado)
reconoce 6 expresiones de emocin
alegra, miedo.
Localizaciones para
calcular rasgos de 46
la
apariencia
47
48
16
Reconocimiento de expresiones faciales
49
50
51
17
Multimodalidad
52
Futuro
UAs y sus combinaciones en lugar de
expresiones de emocin
Inters en obtener robustez ante las posibles
variaciones
Comportamiento espontneo
Bases de datos veraces
Para muchos sistemas es suficiente clasificar
emociones en: positivas, negativas o neutras
Se debera publicar el nivel de acuerdo en el
etiquetado de expresiones y los criterios de
etiquetado y la resolucin temporal
Intensidad y duracin de la expresin
diferencian a las expresiones expontneas de las 53
deliberadas
18