Über Benchmarks zur Gesichtsausdruckserkennung

Gestik ist eine wichtige Form der nonverbalen Kommunikation, da festgestellt wurde, dass 55 % dessen, was Menschen kommunizieren, durch Gesichtsausdrücke ausgedrückt wird. Es gibt zahlreiche Anwendungen von Gesichtsausdrücken in verschiedenen Bereichen, einschließlich Medizin, Sicherheit, Gaming und sogar im Geschäftsleben. Daher ist die automatische Gesichtsausdruckserkennung derzeit ein heißes Forschungsgebiet, das viele Fördermittel anzieht, und es besteht daher die Notwendigkeit, die Trends sehr gut zu verstehen. Diese Studie zielt daher darauf ab, ausgewählte veröffentlichte Arbeiten in diesem Forschungsbereich zu überprüfen und eine wertvolle Analyse durchzuführen, um die gebräuchlichsten und nützlichsten Algorithmen zu bestimmen, die in der Forschung eingesetzt werden. Wir haben veröffentlichte Arbeiten von 2010 bis 2021 ausgewählt und die Ergebnisse basierend auf den am häufigsten verwendeten Techniken in der Merkmalsextraktion, Merkmalsauswahl, Validierung, Datenbanken und Klassifizierung extrahiert, analysiert und zusammengefasst. Das Ergebnis der Studie zeigt deutlich, dass lokale binäre Muster (LBP), Hauptkomponentenanalyse (PCA), gesättigte Vektormaschinen (SVM), CK+ und 10-fache Kreuzvalidierung die am weitesten verbreiteten Methoden zur Merkmalsextraktion, Merkmalsauswahl, Klassifikation, Datenbank und Validierung sind, die jeweils verwendet werden. In Übereinstimmung mit unseren Ergebnissen gibt diese Studie daher Empfehlungen für die Forschung, insbesondere für neue Forscher mit wenig oder keinem Hintergrund, welche Methoden sie anwenden können und sich bemühen sollten, zu verbessern.