Facial Expression Recognition Based on Anatomical Structure of Human Face

تحليل خودكار حالات چهره انسان يكي از مسايل پر چالش در سيستم‌هاي بينايي ماشين است. شناسايي حالات چهره كاربرد‌هاي فراواني در زمينه‌هاي ارتباط انسان با كامپيوتر، پردازش سيگنال‌هاي اجتماعي، ربات‌هاي اجتماعي، تشخيص دروغ و غيره داراست. در اين مقاله، يك روش جديد براي شناسايي حالات چهره بر پايه آناتومي عضلات صورت و ساختار صورت انسان معرفي شده است. الگوريتم معرفي شده مكان تقريبي عضلات موثر در صورت را پيدا كرده و ويژگي‌هاي مناسب براي شناسايي را از روي بافت پوست در11 منطقه استخراج مي‌كند.7 حالت اصلي چهره با استفاده از دسته‌بند‌ گروهي AdaBoost و ساير دسته‌بندها در پايگاه داده شناسايي حالات چهره MMI شناسايي مي‌شوند. نتيجه آزمايش ها نشان مي‌دهد كه تحليل بافت پوست از منطقه‌هاي انتخاب شده اطلاعات كافي و دقيقي براي شناسايي حالات مختلف چهره فراهم مي‌كنند.

Automatic analysis of human facial expressions is one of the challenging problems in machine vision systems. It has many applications in human-computer interactions such as, social signal processing, social robots, deceit detection, interactive video and behavior monitoring. In this paper, we develop a new method for automatic facial expression recognition based on facial muscle anatomy and human face structure. The algorithm finds approximate location of effective facial muscles and extracts features by measuring skin texture in 11 local patches. Seven facial expressions, including neutral are being classified in this study using AdaBoost classifier and other classifiers on MMI databases. Experimental results show that analyzing skin texture from selected local patches gives accurate and efficient information in order to identify different facial expressions.