Micro-Expression Spotting Using Facial Landmarks

Beh, Kai Xin; Goh, Kam Meng

doi:10.1109/cspa.2019.8696059

Cited by 16 publications

(15 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…We re-implement the method from [20] We utilize SVM to distinguish the micro and non-micro samples. The details of this method can be referred to [22].…”

Section: Landmarks-based Methodsmentioning

confidence: 99%

“…Recently, Riesz transform combining with facial maps has been employed to spot MEs automatically [19]. Kai et al [20] proposed spotting the spontaneous MEs in long videos by detecting the changes in the ratio of the Euclidean distances of facial landmarks in three facial regions. We categorize the mentioned techniques as the unsupervised learning approach.…”

Section: Micro-expression Spottingmentioning

confidence: 99%

“…A threshold method is used to decide which frames are MEs in the scanning window. Details of this method are described in[20]. This feature was introduced from the work of Zhao et al[23] as the extension of LBP for analyzing dynamic texture.…”

mentioning

confidence: 99%

See 2 more Smart Citations

Sliding Window Based Micro-expression Spotting: A Benchmark

Tran

Hong

Zhao

2017

Advanced Concepts for Intelligent Vision Systems

View full text Add to dashboard Cite

Abstract. Micro-expressions are very rapid and involuntary facial expressions, which indicate the suppressed or concealed emotions and can lead to many potential applications. Recently, research in micro-expression spotting obtains increasing attention. By investigating existing methods, we realize that evaluation standards of micro-expression spotting methods are highly desired. To address this issue, we construct a benchmark for fairer and better performance evaluation of micro-expression spotting approaches. Firstly, we propose a sliding window based multi-scale evaluation standard with a series of protocols. Secondly, baseline results of popular features are provided. Finally, we also raise the concerns of taking advantages of machine learning techniques.

show abstract

“…We re-implement the method from [20] We utilize SVM to distinguish the micro and non-micro samples. The details of this method can be referred to [22].…”

Section: Landmarks-based Methodsmentioning

confidence: 99%

Section: Micro-expression Spottingmentioning

confidence: 99%

See 1 more Smart Citation

Sliding Window Based Micro-expression Spotting: A Benchmark

Tran

Hong

Zhao

2017

Advanced Concepts for Intelligent Vision Systems

View full text Add to dashboard Cite

show abstract

“…Pemilihan hidung sebagai acuan pelacakan adalah bentuk hidung yang menonjol dan selalu terlihat di kamera membuat lokasi hidung selalu dapat ditemukan dibandingkan fitur wajah yang lain (Canada et al, 2002). Untuk mendapatkan lokasi hidung dengan tepat, kami menggunakan metode Discriminative Response Map Fitting (DRMF) (Beh & Goh, 2019) merupakan salah satu metode facial landmark yang menghasilkan keakuratan titik fitur wajah dengan baik (Asmara et al, 2019), (Rosiani et al, 2018).…”

Section: Pendahuluanunclassified

“…Algoritma KLT pada penelitian ini digunakan sebagai metode utuk melacak wajah manusia secara real-time pada sampel video. Cara kerja KLT yaitu menemukan parameter yang memungkinkan reduksi pengukuran ketidaksamaan antara titik fitur yang terkait dengan model translasi asli (Asmara et al, 2019).…”

Section: Pelacakan Wajah Dengan Metode Kanade Lucas Tomasi (Klt)unclassified

Detection and Tracking of Face Location in the Pre-processing Stage of Recognition of Micro Expressions Using the Kanade-Lucas-Tomasi (KLT) Method

Choirina¹,

Rosiani²

2020

JIP

View full text Add to dashboard Cite

Penelitian dan pengamatan gerakan ekspresi mikro memerlukan tahap pre-proses yang cermat, karena berkaitan dengan pengamatan gerakan yang sangat halus dan durasi yang sangat cepat. Pada tahap ini, pendeteksian dan pelacakan area wajah harus selalu tepat agar pengamatan gerakan yang dilakukan di area wajah bisa akurat. Beberapa sampel video dataset ekspresi mikro menunjukkan adanya gerakan wajah yang diikuti dengan gerakan kecil pada bagian kepala. Gerakan-gerakan diluar gerakan pada area wajah ini akan mempengaruhi kinerja dari sistem pengenalan ekspresi mikro. Penelitian ini melakukan pendeteksian dan pelacakan lokasi wajah selama terjadinya gerakan ekspresi mikro. Digunakan metode Viola-Jones untuk deteksi wajah dan metode Kanade Lucas Tomasi (KLT) untuk melacak titik fitur. Setelah wajah terdeteksi dengan tepat, dilakukan pelacakan titik pada ujung hidung. Pelacakan gerakan pada ujung hidung ini diikuti oleh pembentukan area wajah. Sehingga area wajah akan selalu tepat posisinya walaupun ada gerakan di kepala. Data uji dan testing yang digunakan dalam penelitian ini adalah dataset CASME II. Pengujian dari penelitian ini diperoleh hasil bahwa pedeteksian dan pelacakan area wajah dapat dilakukan dengan tepat dan akurat pada semua data uji. Diharapkan dengan pembentukan area wajah yang selalu terlacak dengan tepat ini, proses berikutnya dari pengenalan ekspresi mikro dapat berjalan dengan baik.

show abstract

Micro-expression spotting network based on attention and one-dimensional convolutional sliding window

Zhou

Yuan

et al. 2023

Multimedia Systems

View full text Add to dashboard Cite

Micro-Expression Spotting Using Facial Landmarks

Cited by 16 publications

References 18 publications

Sliding Window Based Micro-expression Spotting: A Benchmark

Sliding Window Based Micro-expression Spotting: A Benchmark

Detection and Tracking of Face Location in the Pre-processing Stage of Recognition of Micro Expressions Using the Kanade-Lucas-Tomasi (KLT) Method

Micro-expression spotting network based on attention and one-dimensional convolutional sliding window

Contact Info

Product

Resources

About