Facial expressions are visible sign

Facial expressions are visible signs of a person’s affective state, cognitive activity and personality. Humans can perform expression recognition with a remarkable robustness without conscious effort even under a variety of adverse conditions such as partially occluded faces, different appearances and poor illumination. Over the last two decades, the advances in imaging technology and ever increasing computing power have opened up a possibility of automatic facial expression recognition and this has led to significant research efforts from the computer vision and pattern recognition communities. One reason for this growing interest is due to a wide spectrum of possible applications in diverse areas, such as more engaging human-computer interaction (HCI) systems, video conferencing, augmented reality. Additionally from the biometric perspective, automatic recognition of facial expressions has been investigated in the context of monitoring patients in the intensive care and neonatal units for signs of pain and anxiety, behavioural research, identifying level of concentration, and improving face recognition.
Automatic facial expression recognition is a difficult task due to its inherent subjective nature, which is additionally hampered by usual difficulties encountered in pattern recognition and computer vision research. The vast majority of the current state-of-the-art facial expression recognition systems are based on 2-D facial images or videos, which offer good performance only for the data captured under controlled conditions. As a result, there is currently a shift towards the use of 3-D facial data to yield better recognition performance. However, it requires more expensive data acquisition systems and sophisticated processing algorithms. The aim of this chapter is to provide an overview of the existing methodologies and recent advances in the facial expression recognition, as well as present a systematic description of the authors’ work on the use of 3-D facial data for automatic recognition of facial expressions, starting from data acquisition and database creation to data processing algorithms and performance evaluation.

Kết quả (Việt) 1:

Biểu hiện khuôn mặt là nhìn thấy dấu hiệu của nhà nước trầm của một người, nhận thức hoạt động và nhân cách. Con người có thể thực hiện công nhận biểu hiện với một mạnh mẽ đáng chú ý mà không cần nỗ lực có ý thức thậm chí theo một loạt các điều kiện bất lợi chẳng hạn như một phần khối khuôn mặt, khác nhau xuất hiện và chiếu sáng nghèo. Hơn hai thập kỷ qua, những tiến bộ trong công nghệ hình ảnh và ngày càng tăng khả năng tính toán đã mở ra một khả năng biểu hiện trên khuôn mặt tự động công nhận và điều này đã dẫn đến những nỗ lực nghiên cứu đáng kể từ các máy tính tầm nhìn và mô hình công nhận cộng đồng. Một lý do cho sự quan tâm ngày càng tăng này là do một phổ rộng của các ứng dụng có thể trong các lĩnh vực đa dạng, chẳng hạn như hấp dẫn hơn con người-máy tính tương tác (HCI) hệ thống, hội nghị truyền hình, tăng cường thực tế. Ngoài ra, từ quan điểm sinh trắc học, tự động công nhận biểu hiện trên khuôn mặt đã được nghiên cứu trong bối cảnh theo dõi bệnh nhân trong chuyên sâu chăm sóc và các đơn vị trẻ sơ sinh cho các dấu hiệu của đau và lo âu, nghiên cứu hành vi, xác định mức độ tập trung, và nâng cao nhận dạng khuôn mặt.Biểu hiện trên khuôn mặt tự động công nhận là một nhiệm vụ khó khăn do bản chất vốn có chủ quan của nó, mà thêm vào đó bị cản trở bởi bình thường khó khăn gặp phải trong nghiên cứu tầm nhìn công nhận và máy tính mô hình. Đại đa số các hệ thống hiện nay công nhận nhà nước-of-the-nghệ thuật biểu hiện trên khuôn mặt được dựa trên mặt 2-D hình ảnh hoặc video, mà cung cấp hiệu suất tốt chỉ cho các dữ liệu bị bắt theo điều kiện kiểm soát. Do đó, hiện nay là một sự thay đổi đối với việc sử dụng của 3-D mặt dữ liệu mang lại hiệu suất tốt hơn công nhận. Tuy nhiên, nó đòi hỏi đắt hơn dữ liệu mua lại hệ thống và tinh vi xử lý thuật toán. Mục đích của chương này là để cung cấp một tổng quan về các phương pháp hiện có và các tiến bộ gần đây trong việc công nhận biểu hiện trên khuôn mặt, cũng như trình bày một mô tả có hệ thống của các tác giả làm việc về việc sử dụng dữ liệu 3-D trên khuôn mặt cho các công nhận tự động biểu hiện trên khuôn mặt, bắt đầu từ dữ liệu mua lại và cơ sở dữ liệu sáng tạo để xử lý dữ liệu thuật toán và đánh giá hiệu suất.

Kết quả (Việt) 2:

Nét mặt nhìn thấy dấu hiệu của trạng thái tình cảm của một người, hoạt động nhận thức và nhân cách. Con người có thể thực hiện nhận dạng biểu thức với một vững mạnh đáng kể mà không cần nỗ lực có ý thức thậm chí theo một loạt các điều kiện bất lợi như khuôn mặt làm tắc một phần, xuất hiện khác nhau và chiếu sáng kém. Trong hai thập kỷ qua, những tiến bộ trong công nghệ hình ảnh và ngày càng tăng sức mạnh tính toán đã mở ra một khả năng tự động nhận diện khuôn mặt biểu hiện và điều này đã dẫn đến những nỗ lực nghiên cứu đáng kể từ cộng đồng máy tính tầm nhìn và nhận dạng mẫu. Một lý do cho sự quan tâm ngày càng tăng này là do một phổ rộng các ứng dụng có thể trong lĩnh vực đa dạng, như hấp dẫn hơn, tương tác của con người-máy tính (HCI) hệ thống, hội nghị truyền hình, thực tế tăng cường. Ngoài ra từ quan điểm sinh trắc học, tự động nhận dạng các biểu hiện khuôn mặt đã được nghiên cứu trong bối cảnh theo dõi bệnh nhân trong việc chăm sóc chuyên sâu và đơn vị sơ sinh cho dấu hiệu đau và lo lắng, nghiên cứu hành vi, việc xác định mức độ tập trung và cải thiện nhận dạng khuôn mặt.
Biểu hiện trên khuôn mặt tự động công nhận là một nhiệm vụ khó khăn do tính chất chủ quan vốn có của nó, đó là cản trở thêm bởi những khó khăn thường gặp phải trong nhận dạng mẫu và nghiên cứu tầm nhìn máy tính. Phần lớn các nhà nước-of-the-nghệ thuật các hệ thống nhận dạng khuôn mặt biểu hiện hiện tại được dựa trên hình ảnh gương mặt 2-D hoặc video, trong đó cung cấp hiệu suất tốt chỉ cho dữ liệu bị bắt trong các điều kiện được kiểm soát. Kết quả là, hiện nay là một sự thay đổi hướng tới việc sử dụng các dữ liệu trên khuôn mặt 3-D để mang lại hiệu suất công nhận tốt hơn. Tuy nhiên, nó đòi hỏi hệ thống thu thập dữ liệu đắt tiền hơn và thuật toán xử lý tinh vi. Mục đích của chương này là cung cấp một cái nhìn tổng quan về các phương pháp hiện có và tiến bộ gần đây trong việc nhận biết biểu hiện trên khuôn mặt, cũng như trong hiện một mô tả hệ thống công trình của các tác giả về việc sử dụng dữ liệu trên khuôn mặt 3-D để tự động nhận dạng các biểu hiện khuôn mặt , bắt đầu từ việc mua lại dữ liệu và tạo ra cơ sở dữ liệu cho các thuật toán xử lý dữ liệu và đánh giá hiệu suất.