积分商城

最新搜索： STM32上实现FFT 电子元器件快速识别与检测 激光 STC单片机原理 GL3510 QCPL-RB5C
您现在的位置是：首页 > 技术资料 > 人脸微表情识别综述
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

人脸微表情识别综述

更新时间：2019-12-25 16:32:49 大小：6M 上传用户：zhiyao6查看TA发布的资源 标签：人脸微表情识别 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

人脸表情是人际交往的重要渠道,识别人脸表情可促进对人心理状态和情感的理解.不同于常规的人脸表情,微表情是一种特殊的面部微小动作,可以作为判断人主观情绪的重要依据,在公共安防和心理治疗领域有广泛的应用价值.由于微表情具有动作幅度小、持续时间短的特点,对微表情的人工识别需要专业的培训,且识别正确率较低.近年来不少研究人员开始利用计算机视觉技术自动识别微表情,极大地提高了微表情的应用可行性.本文综述人脸微表情识别的定义和研究现状,总结微表情识别中的一些关键技术,探讨潜在的问题和可能的研究方向.


部分文件列表

文件名 大小
人脸微表情识别综述.pdf 6M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第 43 卷 第 3 期  
2017 年 3 月  
自
动
化
学
报
Vol. 43, No. 3  
March, 2017  
ACTA AUTOMATICA SINICA  
人脸微表情识别综述  
徐 峰 1  
2
2
张军平 1  
摘
要
人脸表情是人际交往的重要渠道, 识别人脸表情可促进对人心理状态和情感的理解. 不同于常规的人脸表情, 微表情  
是一种特殊的面部微小动作, 可以作为判断人主观情绪的重要依据, 在公共安防和心理治疗领域有广泛的应用价值. 由于微表  
情具有动作幅度小、持续时间短的特点, 对微表情的人工识别需要专业的培训, 且识别正确率较低. 近年来不少研究人员开始  
利用计算机视觉技术自动识别微表情, 极大地提高了微表情的应用可行性. 本文综述人脸微表情识别的定义和研究现状, 总结  
微表情识别中的一些关键技术, 探讨潜在的问题和可能的研究方向.  
关键词 微表情识别, 表情识别, 情绪识别, 计算机视觉, 面部动作编码系统  
引用格式 徐峰, 张军平. 人脸微表情识别综述. 自动化学报, 2017, 43(3): 333−348  
DOI 10.16383/j.aas.2017.c160398  
Facial Microexpression Recognition: A Survey  
2
2
XU Feng1  
ZHANG Jun-Ping1  
Abstract Facial expression is an important channel in social interaction. Reading facial expression can improve un-  
derstanding of psychological condition and emotional status. Different from normal expressions, microexpression is a  
special kind of subtle facial action. It serves as a vital clue for affective estimation, and has broad applications in public  
security and psychological treatment. Recognizing microexpression requires professional training for human due to its  
short duration and subtle movement. So far a low recognition accuracy has been reported in the literature. In recent  
years, researchers have been studying microexpression recognition based on computer vision, which can largely improve  
the feasibility of such recognition. In this article, we introduce problem definition and current research status of microex-  
pression, survey several representative techniques in this topic, and discuss some underlying issues and potential research  
directions.  
Key words Microexpression recognition, expression recognition, emotion recognition, computer vision, facial action  
code system (FACS)  
Citation Xu Feng, Zhang Jun-Ping. Facial microexpression recognition: a survey. Acta Automatica Sinica, 2017, 43(3):  
333−348  
表情是人类情绪的直观反应 表情识别一直是  
计算机视觉的重要研究课题之一 在过去几十年中  
研究人员已经在各类表情识别问题中取得了重要的  
成果[1−6]  
情 在人试图掩盖内在情绪时产生 既无法伪造也无  
法抑制[9] 与表情研究相比 微表情发现的历史较  
短
年
等第一次提出了微表情的概  
等报道了关于微表情的案例[11]  
念[10] 此后  
近年来 针对自发式的表情  
在一段心理医生与抑郁症病人的对话中[11] 经常微  
笑的病人偶尔有几帧非常痛苦的表情 研究人员将  
这种人在经历强烈情绪时产生的快速、无意识的自  
发式面部动作称为微表情  
的识别逐渐成为新的研究热点[7−8] 与普  
通表情不同 自发式的表情无法伪造和抑制 可以反  
映人的真实情绪  
微表情  
是一种自发式的表  
微表情在情绪识别任务上的可靠度很高 对表  
情情感识别任务有潜在的利用价值 如婚姻关系预  
测[12]、交流谈判[13]、教学评估[14−15] 等 除了用于  
情感分析 研究人员观察到了有意说谎时产生的微  
表情[16] 经过微表情识别训练 普通人识别说谎的  
能力得到提高[17]  
收稿日期 2016-05-15 录用日期 2016-07-28  
Manuscript received May 15, 2016; accepted July 28, 2016  
国家自然科学基金 (61673118, 61273299), 浦江人才计划 (16PJD0  
09) 资助  
Supported by National Natural Science Foundation of China  
(61673118, 61273299) and Shanghai Pujiang Program (16PJD0  
09)  
本文责任编委 赖剑煌  
Recommended by Associate Editor LAI Jian-Huang  
1. 上海智能信息处理重点实验室 上海 200433 2. 复旦大学计算机  
科学技术学院 上海 200433  
1. Shanghai Key Laboratory of Intelligent Information Process-  
ing, Shanghai 200433 2. School of Computer Science, Fudan  
University, Shanghai 200433  
微表情的持续时间非常短 研究表明微表情仅  
[18]  
持续  
～
且动作幅度非常小 不会同  
时在上半脸和下半脸出现[16 18] 因此正确观测并且  
识别有着相当的难度  
334  
自
动
化
学
报
43 卷  
尽管已有了专业的培训工具[19] 但依靠人力识  
题定义出发介绍当前微表情识别的方法 第 节和  
第 节讨论微表情识别潜在的问题及未来值得研究  
[20]  
别的准确率并不高 已知的文献报道中只有  
另外 依靠人力识别受限于专业培训和时间成本 难  
以进行大规模推广 因此 近年来依赖计算机实现人  
脸微表情自动识别的需求越来越高  
的方向  
1 问题定义  
利用计算机识别微表情具有独特的优势  
无
论多迅速的运动 只要客观上被摄像机捕捉 计算机  
就能获取相应的信息并进行处理 因此研究人员引  
微表情识别是一个较为宽泛的问题 实际包含  
了多个具体的目标  
对于一段给定的面部图像序列 首先要鉴别其  
入高速摄像机用于微表情的捕捉  
只要能训练出  
高效、稳定的模型 计算机就能够以低廉的成本处理  
大规模的微表情识别任务 这显然超过专业人员人  
工识别微表情的效率  
中是否包含微表情 这包括两种场景 一种是将微表  
情从无表情 即肌肉不运动时静止的面部状态 的序  
列中区分出来 另一种是区别微表情和普通的表情  
这两者都称为微表情的检测任务  
然而面部产生微表情的同时也存在无关的变化  
正确分离无用信息 提取微表情相关的重要信息 是  
用计算机有效识别微表情的关键所在  
与普通表情一样 微表情蕴含了人类的情绪 鉴  
别微表情包含的情绪是最常见的任务 在一段已知  
是微表情的人脸序列中 识别其中表达的情绪 称为  
微表情的分类任务  
目前的研究可以分为两类研究方向 一种是通  
过构建计算机视觉特征 寻找高效的表达形式描述  
微表情并进行模型学习 另一种是针对微表情本身  
的特点 寻找合适的学习算法进行模型的构建  
这两种研究方式并不是互斥的 一个现实的微  
表情识别系统往往需要两部分协同工作才能有效地  
完成识别任务 而一些机器学习的技术也被应用到  
求解特征表达的过程之中 目前这两类工作都在现  
有数据集上取得了一定效果  
通常所说的微表情识别包含了上述两类任务  
其基于的应用场景假设是 从一段人脸图像序列中  
检测微表情的片段 再对检测出的微表情的情绪进  
行分类  
除了上述两种任务 微表情识别还有更加精细  
的划分 与普通表情相似 微表情也可以分为两段  
并以三个时间点分割 起始点  
是指微表情  
当前国内关于微表情方面的研究综述主要集中  
在心理学方面 例如中国科学院的吴奇等的工作综  
述了微表情的潜在应用[21] 关于微表情自动识别的  
出现的瞬间 顶点  
间 终止点  
是指微表情幅度最大的瞬  
是指微表情消失的瞬间 阶段划  
分就是从一段人脸图像序列中检测微表情并对三个  
特殊的时间点进行标定  
综述仅有山东大学的贲晛烨等较早期的工作[22]  
将
微表情识别方法分为应变模式法和利用机器学习的  
方法 前者计算面部皮肤的应变响应模式并确定阈  
值作为识别的依据 后者使用特征提取与模式分类  
的框架进行识别  
面部动作编码系统  
是一种表情识别领域常用的编码标准  
包含一组预先定义的编码表 每个编码称为一个动  
作单元  
每个动作单元表示一个  
近年来涌现了大量针对微表情中不同细分问题  
的新研究 已经超出了以往的分类范畴 与贲晛烨等  
的综述[22] 相比 本文侧重按微表情识别中的不同问  
题进行分类 介绍近年来大量新的研究工作 本文组  
织结构如下 第 节给出微表情识别的具体问题定  
义 第 节介绍微表情的数据集 第 节从不同的问  
特定的面部局部动作 例如动作单元 表示眉毛外  
端上扬  
动作单元 表示眉毛  
等 微表情可以用 进行  
下垂  
编码 即对微表情进行动作单元识别  
图
展示了微表情识别的两类通用框架 在图  
中 算法只需要考虑已经分割好的面部图像序  
图 1 微表情识别中的具体任务  
Fig. 1 Specific tasks in microexpression recognition  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号