در این پروژه به ارزیابی بهینه مجموعه نشانگرها برای ضبط حرکات تقلید کننده صورت به صورت سه بعدی پرداخته شده است.

امروزه، مطالعات میمیک صورت، اهمیت زیادی در حوزه بالینی کسب کرده است. سیستم های ضبط حرکت سه بعدی، به لطف پیشرفت های چشمگیر در دهه ۱۹۹۰، تبدیل به ابزاری معتبر برای تحلیل حرکات عضلات صورت می شوند.

اما حوزه تحلیل چهره به دلیل پیچیدگی چهره انسان از عدم وجود پروتکل صحیح ضبط حرکت رنج می برد. در واقع، چارچوبی برای تعیین طرح بهینه مجموعه نشانگرهای صورت هنوز وجود ندارد و تا به امروز، محققان هنوز از مجموعه های سنتی نقطه های چهره با مارکرهای اختصاصی دستی استفاده می کنند.

بنابراین ، در این پروژه ما یک رویکرد خودکار را برای محاسبه حداقل یک طرح نشانگر بهینه سازی شده برای بهره برداری از کنترل حرکتی صورت پیشنهاد میکنیم. این رویکرد قادر به ساده سازی تخصیص نشانگر بدون کاهش سطح اهمیت میباشد.

به طور خاص ، الگوریتم نوشته شده، طرح بندی مناسب نشانگر صورت را انتخاب می کند که زیر مجموعه های مسافت خطی را در بین نشانگرها تشخیص می دهد. این روش این امکان را می دهد تا با بالاترین عملکردها بتوان به ظور خودکار به شناسایی پرداخت. این متد از طریق یک روش طبقه بندی k-نزدیکترین همسایگی حرکات صورت عمل می کند. و طرح بندی نشانگر از آنها استخراج می شود. مراحل مختلف اعتبار سنجی و آزمایش انجام شده در ایم پروژه، صحت، استحکام و سودمند بودن رویکرد سفارشی را نشان داده است.