1 / 8

Facial Expression Recognition

Facial Expression Recognition. A Comparison Between Humans and Algorithms. Motivation. Zum Thema Mimikerkennung: Ziel: Mensch-Maschine-Kommunikation 6 universelle Mimiken: Angst, Ärger, Ekel, Erstaunen, Freude, Trauer oft nur minimale Muskelbewegungen -> zuverlässige Erkennung schwierig

merlin
Download Presentation

Facial Expression Recognition

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Facial Expression Recognition A Comparison Between Humans and Algorithms

  2. Motivation • Zum Thema Mimikerkennung: • Ziel: Mensch-Maschine-Kommunikation • 6 universelle Mimiken: Angst, Ärger, Ekel, Erstaunen, Freude, Trauer • oft nur minimale Muskelbewegungen -> zuverlässige Erkennung schwierig • Erkennungsrate von Algorithmen: ca. 70% • Fragestellung: • Wie gut erkennt der Mensch Mimiken? -> Umfrage um einen Vergleich zu ermöglichen Technische Universität München Ursula Zucker

  3. Über die Umfrage • Cohn-Kanade AU-Coded Facial Expression Database • 488 Mimik-Sequenzen • keine “natürlichen” Mimiken • kein Kontext • keine ground truth • Umfrage • zufällig gewählte Sequenz soll eingeordnet werden • ca. 250 Teilnehmer • 5413 Klassifizierungen -> ca. 11 pro Sequenz Technische Universität München Ursula Zucker

  4. Betrachtung der einzelnen Sequenzen • Erläuterung: • 1 Zeile = 1 Sequenz • je dunkler desto eindeutiger ist die Klassifizierung • nachträglich sortiert • Ergebnis: • Freude: gut erkennbar • Ärger und Ekel: werden oft verwechselt • Angst: schlecht erkennbar Technische Universität München Ursula Zucker

  5. Paarweise Verwechslung von Mimiken • Ergebnis: • Angst und Erstaunen: werden oft verwechselt • Freude und Ekel: werden selten verwechselt Berechnung: Technische Universität München Ursula Zucker

  6. Konfusionsmatrix • Ergebnis: • Freude: wird gut erkannt • Angst: wird sehr schlecht erkannt, oft mit Ekel verwechselt Technische Universität München Ursula Zucker

  7. Erkennungsrate • Ergebnis: • Michel et. al.: schlechter beim Erkennen von Ärger • Schweiger et. al.: schlechter beim Erkennen von Ekel, Angst, Freude und im Durchschnitt Technische Universität München Ursula Zucker

  8. Zusammenfassung • Probleme: • einseitige Betrachtung: nur visuelle Information • keine Kontextinformation • keine “natürlichen” Mimiken • Fazit: • schlechte Erkennungsrate beim Menschen • leichtes Verwechseln mancher Mimiken • Verwechslung durch gemeinsame Action Units • besser: mehr Informationsquellen einbeziehen (Sprache, Kontext,...) Technische Universität München Ursula Zucker

More Related