Data Set Information:

面部表情的自动分析已广泛应用于不同的研究领域，如生物特征识别或情感分析。手语领域特别重视面部表情，因为面部表情有助于形成语言的语法结构，有助于消除语言歧义，因此被称为语法面部表情。该数据集已用于Freitas等人（2014）所述的实验。

该数据集由使用Microsoft Kinect sensor录制的18个视频组成。在每个视频中，用户在传感器前用Libras（巴西手语）说五句话（五次），需要使用语法面部表情。通过使用Microsoft Kinect，我们获得了：（a）每个帧的图像，由时间戳标识；（b） 包含来自眼睛、鼻子、眉毛、面部轮廓和虹膜的点的一百个坐标（x、y、z）的文本文件；文件中的每一行对应于从一帧中提取的点。这些图像使专家能够手动标记每个文件，为分类提供了基本事实。

数据集由36个文件组成：18个数据点文件和18个目标文件，构成数据集的每个视频一对。文件名指每个视频：对应于用户的字母（A和B）、语法面部表情的名称和规格（目标或数据点）。

Attribute Information:

Datapoints files:

  Coordinates x and y are given in pixels.
  Coordinates z are given in millimetres.

  Label of frame
  0 - 7 (x,y,z) - left eye
  8 - 15 (x,y,z) - right eye
  16 - 25 (x,y,z) - left eyebrow
  26 - 35 (x,y,z) - right eyebrow
  36 - 47 (x,y,z) - nose
  48 - 67 (x,y,z) - mouth
  68 - 86 (x,y,z) - face contour
  87 (x,y,z) - left iris
  88 (x,y,z) - right iris
  89 (x,y,z) - nose tip
  90 - 94 (x,y,z) - line above left eyebrow
  95 - 99 (x,y,z) - line above right eyebrow

Relevant Papers:

FREITAS, F. A. ; Peres, S. M. ; Lima, C. A. M. ; BARBOSA, F. V. . Grammatical Facial expressions Recognition with Machine Learning. In: 27th Florida Artificial Intelligence Research Society Conference (FLAIRS), 2014, Pensacola Beach. Proceedings of the 27th Florida Artificial Intelligence Research Society Conference (FLAIRS). Palo Alto: The AAAI Press, 2014. p. 180-185.

Citation Request:

Please refer to the Machine Learning Repository's citation policy.
Additionally, the authors request a citation to the paper mentioned here as relevant paper.

(a) Creators:
Fernando de Almeida Freitas (Freitas, F. A.)
{fernando} at incluirtecnologia.com.br
Felipe Ven?￠ncio Barbosa (Barbosa, F. V.)
               Sarajane Marques Peres (Peres, S. M.)
        {felipebarbosa, sarajane} at usp.br
               http://each.uspnet.usp.br/sarajane/

    (b) Donor:
University of S?￡o Paulo
School of Art, Sciences and Humanities
Sao Paulo, SP, Brazil
http://www5.usp.br/en/

Incluir Tecnologia LTDA ME
Itajub??, MG, Brazil
www.incluirtecnologia.com.br