面部动态特征描述的抑郁症识别

发布时间：2021-07-27 04:10

　　目的抑郁症是一种严重的精神类障碍,会显著影响患者的日常生活和工作。目前的抑郁症临床评估方法几乎都依赖于临床访谈或问卷调查,缺少系统有效地挖掘与抑郁症密切相关模式信息的手段。为了有效帮助临床医生诊断患者的抑郁症严重程度,情感计算领域涌现出越来越多的方法进行自动化的抑郁症识别。为了有效挖掘和编码人们面部含有的具有鉴别力的情感信息,本文提出了一种基于动态面部特征和稀疏编码的抑郁症自动识别框架。方法在面部特征提取方面,提出了一种新的可以深层次挖掘面部宏观和微观结构信息的动态特征描述符,即中值鲁棒局部二值模式—3D正交平面（median robust local binary patterns from three orthogonal planes,MRELBP-TOP）。由于MRELBP-TOP帧级特征的维度较高,且含有部分冗余信息。为了进一步去除冗余信息和保留关键信息,采用随机映射（random projection,RP）对帧级特征MRELBP-TOP进行降维。此外,为了进一步表征经过降维后的高层模式信息,采用稀疏编码（sparse coding,SC）来抽象紧凑的特征表示。最后,采用支... 

【文章来源】：中国图象图形学报. 2020,25(11)北大核心CSCD

【文章页数】：13 页

【部分图文】：

基于动态面部描述符和稀疏编码的抑郁症识别框架Fig．1Thepipelineoftheproposedautomaticdepressionrecognitionframeworkwithfacialapperancedescriptorandsparsecoding

P-TOP算法相同的计算步骤。每个图像序列都可以看做是由3个不同的平面XY、XT和YT堆积而成。一个视频可以看做是XY平面在时间T上的串联，同时也可以被认为是XT平面在Y上和YT平面在X上的串联。更为重要的是，XT和YT平面上含有更多的时序和空间上的模式信息。XY平面含有空间域信息，而XT和YT平面含有时间信息。ＲELBP_CI和ＲELBP_NI特征独立于3组正交平面，考虑在这3个方向的相同统计特征，然后将它们堆叠形成直方图(图2)。图2MＲELBP-TOP特征提取过程Fig．2MＲLBP-TOPfeatureextractionprocedure((a)facialregionsub-sequencesaredividedintonon-overlappingblocks;(b)ＲELBP_CIandＲELBP_NIfeaturesareextractedfromXY，XTandYTplanes;(c)jointＲELBP_CIandＲELBP_NIhistogramsfromeachplane;(d)concatenatedhistogramsfromthethreeorthogonalplanesformasingleMＲLBP-TOPfeature)为了计算一个像素xc的MＲELBP-TOP二值模式，首先提取XY平面上的MＲELBP特征，即ＲELBP_CI和ＲELBP_NI特征，然后在XT平面上的PXY邻域提取MＲELBP二值模式。最后，根据YT平面上的PYT邻域计算MＲELBP二值模式。不断重复这个计算过程，直到每帧中的所有像素都被计算。对于每个方向，使用ＲELBP_CI和ＲELBP_NI的联合直方图来表示纹理图像，最后将3个直方图串联成一个整体直方图(图2)描述视频的动态纹理特征。在帧级MＲELBP-TOP特征中，为了更好地提取局部信息，在每个长度为20帧的视频子序列上，将128×128像素大小的输入图像?


本文编号：3305047