Published September 17, 2021
| Version v1
Publication
Open
On Facial Expression Recognition Benchmarks
Description
Facial expression is an important form of nonverbal communication, as it is noted that 55% of what humans communicate is expressed in facial expressions. There are several applications of facial expressions in diverse fields including medicine, security, gaming, and even business enterprises. Thus, currently, automatic facial expression recognition is a hotbed research area that attracts lots of grants and therefore the need to understand the trends very well. This study, as a result, aims to review selected published works in the domain of study and conduct valuable analysis to determine the most common and useful algorithms employed in the study. We selected published works from 2010 to 2021 and extracted, analyzed, and summarized the findings based on the most used techniques in feature extraction, feature selection, validation, databases, and classification. The result of the study indicates strongly that local binary pattern (LBP), principal component analysis (PCA), saturated vector machine (SVM), CK+, and 10-fold cross-validation are the most widely used feature extraction, feature selection, classifier, database, and validation method used, respectively. Therefore, in line with our findings, this study provides recommendations for research specifically for new researchers with little or no background as to which methods they can employ and strive to improve.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تعبير الوجه هو شكل مهم من أشكال التواصل غير اللفظي، حيث يلاحظ أن 55 ٪ مما يتواصل معه البشر يتم التعبير عنه بتعبيرات الوجه. هناك العديد من تطبيقات تعبيرات الوجه في مجالات متنوعة بما في ذلك الطب والأمن والألعاب وحتى المؤسسات التجارية. وبالتالي، في الوقت الحالي، يعد التعرف التلقائي على تعبيرات الوجه مجالًا بحثيًا يجذب الكثير من المنح، وبالتالي الحاجة إلى فهم الاتجاهات بشكل جيد للغاية. ونتيجة لذلك، تهدف هذه الدراسة إلى مراجعة الأعمال المنشورة المختارة في مجال الدراسة وإجراء تحليل قيم لتحديد الخوارزميات الأكثر شيوعًا وفائدة المستخدمة في الدراسة. اخترنا الأعمال المنشورة من 2010 إلى 2021 واستخرجنا النتائج وحللناها ولخصناها بناءً على التقنيات الأكثر استخدامًا في استخراج الميزات واختيار الميزات والتحقق من صحتها وقواعد البيانات والتصنيف. تشير نتيجة الدراسة بقوة إلى أن النمط الثنائي المحلي (LBP)، وتحليل المكونات الرئيسية (PCA)، وآلة المتجهات المشبعة (SVM)، و CK+، و 10 أضعاف التحقق المتبادل هي أكثر عمليات استخراج الميزات استخدامًا، واختيار الميزات، والمصنف، وقاعدة البيانات، وطريقة التحقق المستخدمة، على التوالي. لذلك، تماشياً مع النتائج التي توصلنا إليها، تقدم هذه الدراسة توصيات للبحث خصيصًا للباحثين الجدد الذين لديهم خلفية قليلة أو معدومة فيما يتعلق بالطرق التي يمكنهم استخدامها والسعي لتحسينها.Translated Description (French)
L'expression faciale est une forme importante de communication non verbale, car il est noté que 55 % de ce que les humains communiquent est exprimé dans les expressions faciales. Il existe plusieurs applications des expressions faciales dans divers domaines, notamment la médecine, la sécurité, les jeux et même les entreprises commerciales. Ainsi, actuellement, la reconnaissance automatique des expressions faciales est un domaine de recherche qui attire de nombreuses subventions et donc la nécessité de bien comprendre les tendances. Cette étude, par conséquent, vise à examiner des travaux publiés sélectionnés dans le domaine de l'étude et à mener une analyse précieuse pour déterminer les algorithmes les plus courants et les plus utiles utilisés dans l'étude. Nous avons sélectionné des travaux publiés de 2010 à 2021 et extrait, analysé et résumé les résultats en fonction des techniques les plus utilisées en matière d'extraction de caractéristiques, de sélection de caractéristiques, de validation, de bases de données et de classification. Le résultat de l'étude indique fortement que le modèle binaire local (LBP), l'analyse en composantes principales (PCA), la machine à vecteurs saturés (SVM), la CK+ et la validation croisée 10 fois sont les méthodes d'extraction de caractéristiques, de sélection de caractéristiques, de classification, de base de données et de validation les plus largement utilisées, respectivement. Par conséquent, conformément à nos conclusions, cette étude fournit des recommandations de recherche spécifiquement pour les nouveaux chercheurs ayant peu ou pas de connaissances sur les méthodes qu'ils peuvent utiliser et s'efforcer d'améliorer.Translated Description (Spanish)
La expresión facial es una forma importante de comunicación no verbal, ya que se observa que el 55% de lo que los humanos comunican se expresa en expresiones faciales. Hay varias aplicaciones de las expresiones faciales en diversos campos, incluidos la medicina, la seguridad, los juegos e incluso las empresas comerciales. Por lo tanto, actualmente, el reconocimiento automático de expresiones faciales es un área de investigación que atrae muchas subvenciones y, por lo tanto, la necesidad de comprender muy bien las tendencias. Este estudio, como resultado, tiene como objetivo revisar los trabajos publicados seleccionados en el dominio del estudio y realizar análisis valiosos para determinar los algoritmos más comunes y útiles empleados en el estudio. Seleccionamos los trabajos publicados de 2010 a 2021 y extrajimos, analizamos y resumimos los hallazgos en función de las técnicas más utilizadas en la extracción, selección, validación, bases de datos y clasificación de características. El resultado del estudio indica fuertemente que el patrón binario local (LBP), el análisis de componentes principales (PCA), la máquina de vectores saturados (SVM), CK+ y la validación cruzada de 10 veces son la extracción de características, la selección de características, el clasificador, la base de datos y el método de validación más utilizados, respectivamente. Por lo tanto, en línea con nuestros hallazgos, este estudio proporciona recomendaciones de investigación específicamente para nuevos investigadores con poca o ninguna experiencia en cuanto a qué métodos pueden emplear y esforzarse por mejorar.Files
9917246.pdf.pdf
Files
(16.0 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:b5758f41ae87959739e891c9327c423c
|
16.0 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- معايير التعرف على تعبيرات الوجه
- Translated title (French)
- Sur les repères de reconnaissance de l'expression faciale
- Translated title (Spanish)
- Sobre los puntos de referencia de reconocimiento de expresiones faciales
Identifiers
- Other
- https://openalex.org/W3199891804
- DOI
- 10.1155/2021/9917246
References
- https://openalex.org/W1510477213
- https://openalex.org/W1584107896
- https://openalex.org/W1669230375
- https://openalex.org/W1905939563
- https://openalex.org/W1970233598
- https://openalex.org/W2009375902
- https://openalex.org/W2026750231
- https://openalex.org/W2037664399
- https://openalex.org/W2039051707
- https://openalex.org/W2066332159
- https://openalex.org/W2067147147
- https://openalex.org/W2087810295
- https://openalex.org/W2104789242
- https://openalex.org/W2145265849
- https://openalex.org/W2145310492
- https://openalex.org/W2154611638
- https://openalex.org/W2166835339
- https://openalex.org/W2168811232
- https://openalex.org/W2283936658
- https://openalex.org/W2332270997
- https://openalex.org/W2338772450
- https://openalex.org/W236742792
- https://openalex.org/W2399137199
- https://openalex.org/W2460859824
- https://openalex.org/W2476147092
- https://openalex.org/W2488997521
- https://openalex.org/W2546191734
- https://openalex.org/W2560006649
- https://openalex.org/W2604114834
- https://openalex.org/W2608029750
- https://openalex.org/W2721489103
- https://openalex.org/W2786063530
- https://openalex.org/W2786768213
- https://openalex.org/W2803287810
- https://openalex.org/W2891399311
- https://openalex.org/W2942603634
- https://openalex.org/W2942771086
- https://openalex.org/W2965743638
- https://openalex.org/W2971555734
- https://openalex.org/W2974043081
- https://openalex.org/W2985108241
- https://openalex.org/W3008392994
- https://openalex.org/W3099209400
- https://openalex.org/W3152899760
- https://openalex.org/W3212739108
- https://openalex.org/W4233901615
- https://openalex.org/W4247629572