C’e un crescente interesse scientifico nell’analizzare e intepretare automaticamente il comportamento umano, soprattutto rispetto all’evoluzione delle espressioni del volto e al riconoscimento delle corrispondenti emozioni espresse. In questo lavoro proponiamo una tecnica, basata sull’ANOVA Funzionale per estrarre pattern significativi dei movimenti dei muscoli facciali, al fine di identificare le emozioni espresse da alcuni attori in video registrati. In particolare determiniamo se, in istanti specifici, ci siano differenze nell’evoluzione delle espressioni fra diversi gruppi di emozioni, applicando un F-test funzionale. Questi risultati sono il primo passo verso la costruzione di un sistema affidabile per il riconoscimento automatico delle emozioni.

There is an increasing scientific interest in automatically analysing and understanding human behavior, with particular reference to the evolution of facial expressions and the recognition of the corresponding emotions. In this paper we propose a technique based on Functional ANOVA to extract significant patterns of face muscles movements, in order to identify the emotions expressed by actors in recorded videos. We determine if there are time-related differences on expressions among emotional groups by using a functional F-test. Such results are the first step towards the construction of a reliable automatic emotion recognition system

Emotion pattern detection on facial videos using functional statistics = Riconoscimento di pattern emozionali in video di volti attraverso la statistica funzionale / R. Ji, A. Micheletti, N. Krklec Jerinkic, Z. Desnica - In: Book of short papers - SIS 2021 / [a cura di] C. Perna, N. Salvati, F. Schirripa Spagnolo. - [s.l] : Pearson, 2021. - ISBN 9788891927361. - pp. 789-794 (( Intervento presentato al 50. convegno SIS tenutosi a Pisa nel 2021.

Emotion pattern detection on facial videos using functional statistics = Riconoscimento di pattern emozionali in video di volti attraverso la statistica funzionale

R. Ji
Co-primo
;
A. Micheletti
Co-primo
;
2021

Abstract

There is an increasing scientific interest in automatically analysing and understanding human behavior, with particular reference to the evolution of facial expressions and the recognition of the corresponding emotions. In this paper we propose a technique based on Functional ANOVA to extract significant patterns of face muscles movements, in order to identify the emotions expressed by actors in recorded videos. We determine if there are time-related differences on expressions among emotional groups by using a functional F-test. Such results are the first step towards the construction of a reliable automatic emotion recognition system
C’e un crescente interesse scientifico nell’analizzare e intepretare automaticamente il comportamento umano, soprattutto rispetto all’evoluzione delle espressioni del volto e al riconoscimento delle corrispondenti emozioni espresse. In questo lavoro proponiamo una tecnica, basata sull’ANOVA Funzionale per estrarre pattern significativi dei movimenti dei muscoli facciali, al fine di identificare le emozioni espresse da alcuni attori in video registrati. In particolare determiniamo se, in istanti specifici, ci siano differenze nell’evoluzione delle espressioni fra diversi gruppi di emozioni, applicando un F-test funzionale. Questi risultati sono il primo passo verso la costruzione di un sistema affidabile per il riconoscimento automatico delle emozioni.
functional ANOVA; emotion; expression evolution; action units
Settore MAT/06 - Probabilita' e Statistica Matematica
Settore SECS-S/01 - Statistica
   Big Data Challenges for Mathematics (BIGMATH)
   BIGMATH
   EUROPEAN COMMISSION
   H2020
   812912
2021
Società Italiana di Statistica
https://it.pearson.com/content/dam/region-core/italy/pearson-italy/pdf/Docenti/Università/pearson-sis-book-2021-parte-1.pdf
Book Part (author)
File in questo prodotto:
File Dimensione Formato  
pearson-sis-book-2021-parte-1.pdf

accesso aperto

Tipologia: Publisher's version/PDF
Dimensione 21.86 MB
Formato Adobe PDF
21.86 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/851706
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact