杜杏菁 徐 玲

(華北科技學(xué)院計算機(jī)學(xué)院 廊坊 065201)

微表情識別技術(shù)分析

杜杏菁 徐 玲

(華北科技學(xué)院計算機(jī)學(xué)院 廊坊 065201)

分析了微表情國內(nèi)外研究現(xiàn)狀,研究了基于3D梯度投影微表情捕獲方法,微表情自動識別方法:3D梯度直方圖識別、區(qū)域分割與光流法微表情識別,放大微表情識別法。從微表情編碼系統(tǒng)和心理分析兩個方面對微表情研究進(jìn)行展望,分析了微表情人臉數(shù)據(jù)庫從目的性誘導(dǎo)到自然誘導(dǎo)的轉(zhuǎn)變,指出了微表情需要解決的問題:建立逼真有效的微表情樣本數(shù)據(jù)庫,縮短微表情捕獲的時間,建立自動識別系統(tǒng),建立微表情心理模型,拓寬拓寬微表情的應(yīng)用領(lǐng)域,即從偵查、審訊等國家安全領(lǐng)域擴(kuò)展到醫(yī)學(xué)、政治心理學(xué)、銷售、人才招聘等領(lǐng)域。

微表情; 捕獲; 自動識別; 自然誘導(dǎo); 樣本數(shù)據(jù)庫

Class Number TP391

1 引言

人們通過一些表情把內(nèi)心感受表達(dá)給對方看,在不同表情之間或某個表情里,臉部就會“泄露”出其它的一些信息,即微表情信息。一個下意識的微表情可能只持續(xù)一瞬間,當(dāng)面部在做某個表情時,持續(xù)時間極短的微表情會突然一閃而過,有時卻表達(dá)相反的情緒。微表情是人們試圖壓抑或隱藏真實(shí)感情時泄露出的非常短暫的、不可自主控制的面部表情[1]。當(dāng)人受到某種外界刺激時臉部做出的細(xì)微表情就是微表情,它由情緒引起或習(xí)慣性動作產(chǎn)生,可以說微表情是由情緒引發(fā)的無意識地面部微動作。其特點(diǎn)是不能自主控制、不易察覺、轉(zhuǎn)瞬即逝。微表情能夠反映出一個人的內(nèi)在心理狀態(tài),目前,人們常常將微表情與謊言聯(lián)系到一起,將微表情研究應(yīng)用到偵查、審訊、職場應(yīng)聘等領(lǐng)域。

2 國內(nèi)外發(fā)展研究現(xiàn)狀

自1966年Haggard和Isaacs發(fā)現(xiàn)此面部表情[2]和1969年Ekman等人也發(fā)現(xiàn)并稱其為微表情[3]以來,微表情研究受到了越來越多的關(guān)注,成為警察審訊過程中識破謊言的途徑,被應(yīng)用在偵查、審訊過程中。臨床也是微表情研究的重要領(lǐng)域,醫(yī)生根據(jù)微表情可更好地了解病人的需求和心理。國內(nèi)外的一些單位或團(tuán)隊對微表情正在進(jìn)行研究,如美國的Ekman團(tuán)隊、Matsumoto團(tuán)隊、Shreve團(tuán)隊,加拿大的Porter團(tuán)隊,日本的Polikovsky團(tuán)隊和中國的傅小蘭團(tuán)隊等[4]。最初的微表情研究注重個體微表情識別能力的訓(xùn)練和提高,先后出現(xiàn)了各種訓(xùn)練和測試識別能力的程序和實(shí)驗(yàn),包括BART(Brief Affect Recognition Test)[5]、JACBART(Japanese and Caucasian Brief Affect Recognition Test)[6]、METT(Micro Expression Training Tool)[7]。表1列出了目前國內(nèi)外進(jìn)行的自動微表情研究機(jī)構(gòu)。

表1 國內(nèi)外微表情研究團(tuán)隊

3 微表情識別

微表情的研究最初與測謊緊密聯(lián)系,成為警察審訊過程中識破謊言的途徑。臨床也是微表情研究的重要領(lǐng)域,2006年,Russell、Elvina、Mary研究了METT訓(xùn)練程序?qū)穹至寻Y患者在情緒識別和微表情識別的影響,結(jié)果顯示經(jīng)過訓(xùn)練,精神分裂癥患者可以通過訓(xùn)練恢復(fù)部分識別能力,可以有效緩解其社會功能的損傷。微表情應(yīng)用在政治心理學(xué)領(lǐng)域,在公開演講時,微表情能夠傳遞一種特殊信號,影響聽眾的情緒。微表情應(yīng)用在銷售領(lǐng)域,可以通過顧客的微表情判斷顧客對產(chǎn)品的滿意度。

在美國,針對微表情的研究已經(jīng)應(yīng)用到國家安全、司法系統(tǒng)、醫(yī)學(xué)臨床和政治選舉等領(lǐng)域。在國家安全領(lǐng)域,有些訓(xùn)練有素的恐怖分子等危險人物可能輕易就通過測謊儀的檢測,但是通過微表情,一般就可以發(fā)現(xiàn)他們虛假表面下的真實(shí)表情,并且因?yàn)槲⒈砬榈倪@種特點(diǎn),它在司法系統(tǒng)和醫(yī)學(xué)臨床上也有著較好的應(yīng)用。

3.1 各種微表情

厭惡:厭惡的表情包括嗤鼻,上嘴唇上抬,眉毛下垂,瞇眼。憤怒:這時眉毛下垂,前額緊皺,眼瞼和嘴唇緊張。輕蔑:輕蔑的顯著特征就是嘴角一側(cè)抬起,作譏笑或得意笑狀。傷心:面部特征包括瞇眼,眉毛收緊,嘴角下拉,下巴抬起或收緊。害怕:害怕時,嘴巴和眼睛張開,眉毛上揚(yáng),鼻孔張大。高興:人高興時面部動作包括:嘴角翹起,面頰上抬起皺,眼瞼收縮,眼睛尾部會形成“魚尾紋”。驚訝:驚訝時,下顎下垂,嘴唇和嘴巴放松,眼睛張大,眼瞼和眉毛微抬。各種表情如圖1所示(圖片來自常見微表情識別方法-百度經(jīng)驗(yàn))。

圖1 各種微表情圖

3.2 微表情捕獲

在所有的微表情中,說謊的微表情更容易捕獲、被辨別出來。微表情的捕獲大部分是通過有經(jīng)驗(yàn)的人在視頻中搜尋,或者通過現(xiàn)場觀察、交談的過程中察覺而獲得。普通人對微表情的識別能力并不高,專門的微表情識別訓(xùn)練可以提高識別率,而且識別微表情特別費(fèi)時,因此,自動微表情捕獲與識別系統(tǒng)的研究成為了研究的熱點(diǎn)。劉欣等提出了基于3D梯度投影的微表情捕獲方法[8],實(shí)現(xiàn)方法如下。

1) 多尺度矩形梯度描述子特征提取

將圖像分割成密集統(tǒng)一的網(wǎng)格點(diǎn),以每個網(wǎng)格點(diǎn)為中心,向周邊擴(kuò)展形成掃描單元及掃描區(qū)域,每個區(qū)域包括m×m個單元,每個單元包括n×n個像素點(diǎn),在文獻(xiàn)[8]中m為2,n為8。以每個單元的中心點(diǎn)形成局部方向梯度直方圖,最后疊加到一起形成構(gòu)成整個掃描窗口的直方圖序列。

2) 臉部圖像區(qū)域劃分

在第一幀人臉圖像手工標(biāo)注13個特征點(diǎn),以每個特征點(diǎn)為中心,按眼睛區(qū)域尺寸為大小,將人臉劃分成為9個特征區(qū)域,標(biāo)記每個特征區(qū)域的大小、位置、名稱,每個區(qū)域盡可能只包含不超過2個特征點(diǎn)。針對每個特征區(qū)域引入時間軸,那么視頻流就會被面部特征區(qū)域劃分成多個特征立方體。

3) 臉部微表情捕獲

3D梯度投影法把空間梯度向量分別投影到笛卡爾坐標(biāo)系的xot和yot平面上,將一個空間向量轉(zhuǎn)換成兩個平面梯度向量。將面部特征立方體進(jìn)行橫截和縱截,形成多個橫截面和縱截面,這些截面反映了一段時間t內(nèi)圖像中像素運(yùn)動的狀態(tài),用L(x,t)和L(y,t)表示。對每點(diǎn)計算梯度,可以得到投影2D梯度向量的量級和方向分別如式(1):

θxt=arctan(Lt(x,t)/Lx(x,t))

θyt=arctan(Lt(y,t)/Ly(y,t))

(1)

根據(jù)上式分別計算每個區(qū)域內(nèi)各像素點(diǎn)在時刻t的梯度方向,建立二維梯度方向統(tǒng)計直方圖,對12個角度單元中的像素點(diǎn)數(shù)目進(jìn)行疊加統(tǒng)計,通過各時刻直方圖的峰值可得到特征點(diǎn)在t時刻的運(yùn)動趨勢及微表情發(fā)生的時刻。

3.3 自動微表情識別

微表情持續(xù)時間短,出現(xiàn)頻率低,未經(jīng)訓(xùn)練的個體識別能力低。研究人員不僅著手個體識別的能力和精確度,而且已經(jīng)開始研究識別過程和認(rèn)知神經(jīng)機(jī)制,在微表情數(shù)據(jù)庫方面已經(jīng)開始建立自然誘發(fā)和精確標(biāo)注的數(shù)據(jù)庫。微表情識別的準(zhǔn)確度、微表情的特點(diǎn)、自動微表情識別系統(tǒng)等對數(shù)據(jù)庫的依賴性很強(qiáng),建立數(shù)量足夠多、具有代表性的微表情數(shù)據(jù)庫迫切需要。

目前正在開展的自動微表情研究有日本筑波大學(xué)的基于Polikovsky數(shù)據(jù)庫的3D梯度直方圖識別法;美國南佛羅里達(dá)大學(xué)基于USF-HD數(shù)據(jù)庫的光流法[9];芬蘭奧盧大學(xué)基于SMIC數(shù)據(jù)庫的時間差值模型法[10];中國傅小蘭團(tuán)隊的Gabor特征法。微表情識別方法有梯度直方圖識別法、區(qū)域分割與光流法[11]、放大微表情識別法。

1) 3D梯度直方圖識別法

采用Gabor濾波器提取經(jīng)3D投影描述法分析的9個微表情特征區(qū)域的多方向、多尺度圖像特征,方向個數(shù)為8,尺度個數(shù)為5,應(yīng)用基于多區(qū)域的局部Gabor二值模式算法[12],構(gòu)建梯度量級加權(quán)的最臨近表情分類器,然后經(jīng)過降維的LGBP特征分類。假設(shè)Di和Dj是經(jīng)過降維后的兩個向量,這兩個向量的距離可定義為式(2):

(2)

(3)

2) 區(qū)域分割與光流法識別

區(qū)域分割與光流法識別微表情的步驟如下:

第一步:定位人眼,確定眼睛中心點(diǎn),將兩眼中心點(diǎn)連線,將所有幀圖像記錄到起始幀;

第二步:將臉部圖像進(jìn)行區(qū)域的劃分;計算光流應(yīng)變及閾值,并剔除宏表情部分。

該方法識別微表情要滿足如下條件:應(yīng)變大小必須明顯比周圍區(qū)域大;應(yīng)變時間持續(xù)必須大于0.2s。關(guān)于每個區(qū)域的平均應(yīng)變值可利用式(4)求得:

(4)

其中,n為總幀數(shù),r是特征區(qū)域,S是第i幀的區(qū)域r的應(yīng)變值。應(yīng)變值高于閾值被看作是宏表情,小于閾值被認(rèn)為是微表情。

3) 放大微表情識別法

芬蘭奧盧大學(xué)的研究小組開發(fā)出能夠識別微表情的人工智能技術(shù),可以從拍攝人物表情的影像中,檢測出微表情的發(fā)生。研究小組對影像每一幀之間的微妙轉(zhuǎn)變進(jìn)行監(jiān)測,構(gòu)建出能夠擴(kuò)大識別表情瞬間動作的系統(tǒng)。將識別到的瞬間微表情畫面進(jìn)行夸張化處理后,就能輕松確認(rèn)這個人物的真實(shí)情感了,如圖2所示。

圖2 原圖像、8倍圖、24倍圖

3.4 微表情編碼系統(tǒng)

在1969年Ekman在研究重度抑郁癥患者瑪麗愉快地請求放她回家的一段視頻時,發(fā)現(xiàn)了極度痛苦的、只持續(xù)了1/15s的一個微表情。Ekman等研究人員對微表情進(jìn)行研究,發(fā)現(xiàn)了微表情與謊言有關(guān),因此微表情研究被應(yīng)用到了安全、司法、臨床領(lǐng)域,同時微表情得到了社會和科學(xué)界的廣泛關(guān)注。

人類測謊專家、微表情研究專家Ekman于2006～2009年發(fā)現(xiàn)微表情可以包含普通表情全部或部分肌肉動作[13],收集匯總出了“面部動作編碼系統(tǒng)(FACS)”,該編碼系統(tǒng)中,人臉面部肌肉43塊,可以組合出3000多種與情感有關(guān)的表情,由44個動作單元組成,每個單元單獨(dú)或組合呈現(xiàn)出不同的微表情,其中8種臉部表情的表示單元和編碼如表2所示。

表2 微表情與FACS編號

微表情持續(xù)時間短,一般人根本察覺不到,當(dāng)事人自己也沒有感覺。微表情與人的腦波一樣,雖然存在,很難察覺,是一種未經(jīng)思索、不受意識控制的表情,因此,微表情是了解一個人內(nèi)心真實(shí)反映的有效線索,需要在情感計算上進(jìn)行提升,也就是微表情心理建模研究。研究人員研究微表情的影響因素及心理變化,微表情出現(xiàn)時的認(rèn)知、情緒、動機(jī)、人格及神經(jīng)機(jī)制等。與微表情識別研究相比,微表情心理和神經(jīng)機(jī)制研究較少,是需要解決的重要科學(xué)問題。

4 各種微表情心理分析

每一個人的內(nèi)心都是一座城,因?yàn)槌情T的緊閉而讓別人總是擁有濃厚的興趣去打開它。微表情是內(nèi)心的流露與掩飾,如果錯誤的理解“微表情”會對交流對象形成錯誤的判斷。理解“微表情”,能夠從一閃而過的表情信號里發(fā)現(xiàn)有價值的信息。微表情是心理應(yīng)激微反應(yīng)的一部分,它從人類本能出發(fā),不受思想的控制,無法掩飾,也不能偽裝。再能“裝”的人,遇到有效刺激之后的第一瞬間也會出現(xiàn)微表情,他的“裝”只能出現(xiàn)在微表情之后。因此,以微表情為代表的微反應(yīng)是個人內(nèi)心想法的忠實(shí)呈現(xiàn),是了解一個人內(nèi)心真實(shí)想法的最準(zhǔn)確線索。

4.1 撒謊的微表情心理學(xué)分析

當(dāng)向?qū)Ψ皆儐柲呈聲r,對方一側(cè)肩抖動說明對方對自己的話不自信,身體和語言不一致,表示他在撒謊,驚奇、害怕的表情在臉上超過一秒,表示是假裝的,對方對你的質(zhì)問表示不屑,通常你的質(zhì)問會是真的。對方對你撒謊時,會有更多的眼神交流,來判斷你是否相信他的謊言;對你的問題生硬的重復(fù)是典型的撒謊方式。說話或思考時把手放在鼻子上是想要掩飾什么的舉動,說話時一直把手放在褲兜里或抵著大腿,是緊張的表現(xiàn),描述一連串發(fā)生的事情,如果事情是編造的,他可以按虛構(gòu)好的順序說,但是卻無法倒敘重復(fù)。人撒謊時會摸脖子,這是經(jīng)典的機(jī)械反應(yīng)。

4.2 緊張、憤怒、興奮的微表情心理學(xué)分析

緊張,憤怒,性興奮三種情緒會使人的瞳孔放大,手臂緊貼腿部,手指豎起,是心里不安的表現(xiàn)。

微笑的時候眨眼睛說明真的想到令人幸福的事。假笑眼角是沒有皺紋的,人在害怕時會出現(xiàn)生理逃跑反應(yīng):血液從四肢回流回腿部,做好逃跑準(zhǔn)備,手部會先變冰涼微。

羞愧的表情是低著頭、手撫摸額頭、擦汗?fàn)?。不屑的表情是上嘴唇上揚(yáng)說話很急,使用手臂或者物體將自己與對方之間形成障礙。癟嘴角是經(jīng)典的犯錯表情,對自己的話沒信心,聲音的震顫可能是反感或厭惡。撫摸自己的手是一種自我安慰的手勢,在自己不完全相信自己所說的話時,用來盡量打消自己的疑慮。如果是真的生氣,大吼大叫和手用力拍桌子應(yīng)該是同時發(fā)生的,如果一先一后,就有可能是在偽裝。研究表明,越受歡迎的人,越會撒謊,他們善于隱藏自己的情感因此容易受歡迎。

5 微表情研究展望

微表情持續(xù)時間短、出現(xiàn)頻率低,不同個體識別準(zhǔn)確率差異大,要實(shí)現(xiàn)微表情的廣泛應(yīng)用,就要快速、精確地捕獲微表情,那么就需要建立一個真實(shí)、實(shí)用的微表情數(shù)據(jù)庫,尋找合適的自學(xué)習(xí)算法,將微表情研究、計算機(jī)視覺、模式識別技術(shù)結(jié)合,充分利用色彩信息,實(shí)現(xiàn)對現(xiàn)實(shí)生活環(huán)境中微表情的自動識別。

當(dāng)前,人們對微表情的研究僅僅局限在測謊方面,實(shí)際上在各種場合都有可能出現(xiàn)微表情,不同場合的微表情反應(yīng)不同的心理,通過微表情可以判斷觀察者可信度、痛苦度、舒適度等,研究不同微表情反應(yīng)的不同心理、不同微表情表現(xiàn)出來的不同神經(jīng)機(jī)制和肌肉運(yùn)動、在微表情和心理反應(yīng)間建立相應(yīng)的模型有助于判斷人的心理反應(yīng),進(jìn)而推斷人的將來行為。

研究微表情的應(yīng)用領(lǐng)域,拓寬應(yīng)用范圍,將微表情從國家安全領(lǐng)域擴(kuò)展到醫(yī)學(xué)、政治心理學(xué)、銷售、人才招聘等領(lǐng)域有廣泛的應(yīng)用價值。

5.1 微表情研究尚存問題

人們對微表情識別進(jìn)行很多研究,但也存在較多差異,如微表情的持續(xù)時間、運(yùn)動特點(diǎn)、自我意識性、說謊性、心理特征等,進(jìn)一步研究這些問題有助于人們深入了解微表情本質(zhì),進(jìn)而更科學(xué)的實(shí)現(xiàn)微表情心理判斷,為應(yīng)用在不同領(lǐng)域提供科學(xué)依據(jù)。

尋找自主學(xué)習(xí)型分類算法,將微表情樣本中共同的顯著特征信息進(jìn)行提取,進(jìn)行分類識別。在自然環(huán)境下采集微表情樣本,建立真實(shí)有效的微表情數(shù)據(jù)庫。

研究心理動機(jī)、心理能量和微表情的關(guān)系,各種心理反應(yīng)的外動力和內(nèi)驅(qū)力,心理能量作用引起情緒變化,情緒表現(xiàn)出來的微表情。

5.2 微表情未來的研究

設(shè)計自主學(xué)習(xí)型分類器提取微表情特征?，F(xiàn)有微表情識別多是人工識別階段,不同的人識別差異很大,受過培訓(xùn)的人要比普通人識別率高,在前人設(shè)計基礎(chǔ)上設(shè)計準(zhǔn)確的計算機(jī)自動識別算法。使用自然環(huán)境誘導(dǎo)微表情捕獲方法建立微表情樣本數(shù)據(jù)庫,因?yàn)橐延袊馕⒈砬閿?shù)據(jù)庫對國內(nèi)人群不適用,而且數(shù)據(jù)庫樣本是在自主控制下獲得不真實(shí)。

建立微表情和心理反應(yīng)的能量理論?，F(xiàn)有微表情研究無不與國家安全的測謊領(lǐng)域相連,為了拓寬微表情的應(yīng)用領(lǐng)域,必須建立微表情與心理反應(yīng)的能量關(guān)系,對微表情進(jìn)一步研究。

6 結(jié)語

分析了微表情國內(nèi)外研究現(xiàn)狀，研究了基于3D梯度投影微表情捕獲方法和微表情人臉數(shù)據(jù)庫從目的性誘導(dǎo)到自然誘導(dǎo)的轉(zhuǎn)變。討論了微表情研究需要解決的問題：建立逼真有效的微表情樣本數(shù)據(jù)庫，縮短微表情捕獲的時間，建立自動識別系統(tǒng)，建立微表情心理模型，拓寬拓寬微表情的應(yīng)用領(lǐng)域，即從偵查、審訊等國家安全領(lǐng)域擴(kuò)展到醫(yī)學(xué)、政治心理學(xué)、銷售、人才招聘等領(lǐng)域等。

[1] Ekman P. Telling lies: Clues to Deceit in the Marketplace[J]. Politics and Marriage,2001,2(2):209-214.

[2] Haggard E A, Isaacs K S. Micromomentary facial expressions as indicators of ego mechanisms in psychotherapy[J]. Methods of Research in Psychotherapy,1966,6:154-165.

[3] Ekman P, Friesen W V. Nonverbal leakage and clues to deception[J]. Psychiatry,1969,32:88-97.

[4] Liang Jing, Yan Wenjing, Wu Qi. Progress and Prospects Microexpressions study[J]. Science Foundation of China,2013,6(2):75-82.

[5] Ekman P, Friesen W. Nonverbal behavior and psychology. In:Friedman R, Ed[J]. The Psychology of Depression: Contemporary Theory and Research,1974,12(4):203-224.

[6] Matsumoto D, Le Roux J, Wilson-Cohn, et al. A new test to measure emotion recognition ability: Matsumoto and Ekman’s Japanese and Caucasian Brief Affect Recognition Test[J]. Journal of Nonverbal Behavior,2000,24(3):179-186.

[7] Polikovsky S, Kameda Y, Ohta Y. Facial micro expressions recognition using high speed camera and 3D-gradient descriptor[C]//3rd International Conference on Crime Detection and Prevention,2009,10:231-235.

[8] 劉欣,解侖,王志良.基于3D梯度投影描述的微表情捕捉與識別[J].華中科技大學(xué)學(xué)報(自然科學(xué)版),2014,42(12):122-127. LI Xin, XIE Lun, WANG Zhiliang. Microexpression capture and recognition based on 3D gradient projection description[J]. Journal of Huazhong University of Science and Technology(Natural Science Edition),2014,26(19):1385-1395.

[9] Shreve M, Godavarthy S, Manohar V, et al. Towards macro and micro-expression spotting in video using strain patterns[J]. Workshop on Applications of Computer Vision,2009,6(3):1-6.

[10] Pfister T, Li X, Zhao G, et al. Recognizing spontaneous facial micro-expressions[C]//Proceedings of IEEE International Conference on Computer Vision, Barcelona, Spain: IEEE Press,2011:1449-1456.

[11] 賁晛燁.微表情自動識別綜述[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報,2014,26(19):1385-1395. BEN Xianye. Automatic recognition of microexpressions[J]. Journal of Computer Aided Design and Computer Graphics,2014,26(19):1385-1395.

[12] 張文山,山世光,張洪明.基于局部Gabor變換直方圖序列的人臉描述與識別[J].軟件學(xué)報,2006,17(12):2508-2517. ZHANG Wenshan, SHAN Shiguang, ZHANG Hongming. Face description and recognition based on local Gabor transform histogram sequence of[J]. Software Journal,2006,17(12):2508-2517.

[13] Wu Qi, Shen Xunbing, Fu Xiaolan. Microexpressions research and its application[J]. Advances in Psychological Science,2010,18(9):1359-1366.

Analysis of Micro-expression Recognition Technology

DU Xingjing XU Ling

(Computer Department, North China Institute of Science and Technology, Langfang 065201)

The present research situation of micro-expression at home and abroad is analyzed, and the micro-expression acquisition method based on 3D gradient projection is studied. Micro-expression automatic recognition method includes: 3D gradient histogram recognition, regional segmentation and optical flow identification, amplification micro-expression recognition method. The micro-expression research is discussed from micro-expression coding system and psychoanalysis. The transformation of the micro-expression face database from the purpose-induced to the natural-induced is analyzed, the problems that micro-expression needs to be solved are pointed out: the establishment of realistic and effective micro-expression database; shorten the micro-expression capture time; the establishment of automatic identification system; the establishment of micro-emotional model, Widen the application of micro-expression, that is, from the investigation, interrogation and other national security field extended to the medical, political psychology, sales, recruitment and other fields.

micro-expressions, capture, automatic recognition, natural induction, sample database

2016年8月17日,

2016年9月30日

河北省科技計劃項目(編號:15210708);中央高校基本科教研業(yè)務(wù)費(fèi)資助(編號:3142014092)資助。

杜杏菁,女,博士,副教授,研究方向:圖像處理,生物識別。徐玲,女,碩士研究生,研究方向:圖像處理,計算機(jī)應(yīng)用。

TP391

10.3969/j.issn.1672-9722.2017.02.030