Confronto di tecniche di flusso ottico per la classificazione di azioni facciali

Il flusso ottico, ossia la stima del movimento apparente che si sviluppa tra i fotogrammi di una sequenza di immagini, permette di misurare le dinamiche temporali di oggetti e soggetti con un buon margine di precisione, dipendentemente dalla qualità dei fotogrammi e dalla tecnica impiegata per calcolarlo. Negli ultimi decenni, gli studi nel campo dell’elaborazione di immagini hanno proposto molte soluzioni; per effetto di questa varietà, le tecniche di flusso ottico oggi disponibili sono diversamente adatte agli scopi per cui è possibile utilizzarle. In letteratura, si trovano esperimenti che mirano a confrontare le tecniche sulla base di singole applicazioni, mentre sono rari gli studi che realizzano il confronto in relazione a uno scopo indiretto, quale può essere l’applicazione del flusso ottico allo sviluppo di un sistema per l’analisi automatica delle espressioni facciali. La possibilità di istruire un sistema software capace di riconoscere le espressioni del volto offre prospettive di interesse in molti settori, come la robotica, le realtà virtuali, l’animazione, l’interazione uomo-macchina, le scienze mediche e comportamentali. In generale, costituisce un tema di rilievo nelle discipline che possono trarre profitto dall’interpretazione delle espressioni e delle dinamiche loro associate. Le espressioni, infatti, sono veicolo di informazioni che attengono sia alla comunicazione cosciente di pensieri e intenzioni, sia alla manifestazione involontaria di condizioni emotive. Adempiendo a una funzione mediatica tra l’individuo e l’ambiente, costituiscono una forma di linguaggio non verbale particolarmente ricca di significato, tanto nel contesto dell’interazione sociale, quanto in merito alle potenzialità di un sistema informatico capace di riconoscerle e interpretarle autonomamente. La tesi mette a confronto le tecniche di flusso ottico più diffuse relativamente al compito di riconoscere i movimenti che attengono alla formazione delle espressioni, a partire da una configurazione del volto neutra. A tal fine, presenta un metodo di classificazione di azioni facciali basato sull’estrazione del flusso ottico e su un’applicazione dei modelli di Markov nascosti. La sperimentazione, svolta in ambiente Matlab, riguarda il riconoscimento delle unità anatomiche (le action unit) definite dal Facial Action Coding System, il più affermato sistema di codifica delle espressioni facciali. Inoltre, si basa sulle sequenze di immagini contenute nel Cohn-Kanade Au-Coded Facial Expression Database, una raccolta destinata alla ricerca. Gli esperimenti svolti mostrano che le tecniche di flusso ottico considerate offrono prestazioni di classificazione mediamente simili. Alcune sembrano più accurate di altre nel riconoscere movimenti particolari. In generale, le prestazioni abbastanza incoraggianti suggeriscono l’opportunità di estendere il metodo di classificazione e di considerare l’applicazione del flusso ottico nel contesto di nuovi esperimenti.