盧俊鋒

【摘 要】微表情通常發(fā)生在一個人試圖隱藏他的真實感受的時候，它是人類心理活動的真實表達，如若被有效捕捉，可以準確評估其心理狀態(tài)，這在醫(yī)療、商業(yè)談判、刑事審訊等領(lǐng)域有重要應用。所以近年來，微表情檢測與識別工作逐漸引起了學者的關(guān)注，但由于微表情強度微弱，容易受環(huán)境因素擾動，持續(xù)時間短，發(fā)生部位區(qū)域狹小與不確定，一般傳感器很難捕捉識別，所以微表情識別成為一個熱門的研究領(lǐng)域，本文試對國內(nèi)外微表情識別的研究現(xiàn)狀進行簡單分析和總結(jié)。

【關(guān)鍵詞】微表情;微表情識別

中圖分類號： TP391.41 文獻標識碼： A文章編號： 2095-2457（2019）32-0136-001

DOI：10.19694/j.cnki.issn2095-2457.2019.32.062

1 微表情綜述

1.1 微表情的定義

微表情是人在非常短的時間不能控制隱藏自己真實情感的面部表情[1]。心理學家認為微表情是一種內(nèi)心的一種防御機制。先后有心理學家Haggard，Tsaacs，Ekaman，F(xiàn)riesen等學者研究做了相關(guān)的研究，由于微表情持續(xù)的時間非常短，強度小，所以微表情經(jīng)常不會引起人的注意，但是微表情在人際交往、刑事案件的審訊、安檢等方面有著很高的實際應用價值。

1.2 微表情的發(fā)展和研究現(xiàn)狀

現(xiàn)在對于表情的識別的技術(shù)已經(jīng)非常成熟，而且都已經(jīng)成功應用到生活的許多方面中，但是這些算法和模型應用到微表情的識別上效果卻不太好，所以需要重新設(shè)計算法和模型，現(xiàn)在主流改進算法的方法就是通過不斷地訓練模型，Ekaman和Matsumoto設(shè)計了一個工具可以實現(xiàn)訓練微表情識別模型——METT[2]，現(xiàn)在國內(nèi)在研究微表情識別領(lǐng)域有較好的效果的團隊有中科院的傅小蘭團隊建立的微表情數(shù)據(jù)庫CASME和CASEMEⅡ[3]，中國傅小蘭團隊已經(jīng)建立了微表情識別的系統(tǒng)，但還存在需改進的地方。但是對于基于視頻流的微表情識別而言，這個數(shù)據(jù)庫還遠遠不能滿足真正的實驗訓練需求，所以在數(shù)據(jù)庫的建立上還需要進一步研究和發(fā)展。

2 微表情識別綜述

2.1 微表情識別

基于視頻流的微表情的檢測能夠具體刻畫微表情，通過對視頻流數(shù)據(jù)中普遍存在的微表情進行有效識別，從而真實描述其真實的心理狀態(tài)。由于微表情的強度微弱，時間非常短，但是是人的真實內(nèi)心情感的表達，所以一旦能夠識別出來，會有著非常高的使用價值，由于表情識別領(lǐng)域的成功應用于現(xiàn)實的許多場景，在微表情領(lǐng)域有許多可以借鑒的地方，所以加速了表情識別的微表情識別領(lǐng)域的發(fā)展。但是由于微表情識別發(fā)展起步較晚，所以現(xiàn)在的技術(shù)不是特別成熟，還不能應用于現(xiàn)實的場景中。

2.2 微表情識別的步驟

通過計算視覺，基于人臉特征和FACS（面部表情編碼）等技術(shù)對人類常見的微表情進行識別。實現(xiàn)微表情識別的步驟大致可以分為三步，第一步是對數(shù)據(jù)庫的原始圖像數(shù)據(jù)的進行預處理，包括對原始數(shù)據(jù)進行模糊，輪廓檢測，裁剪，對齊等操作，第二步是在對已經(jīng)處理好的圖片進行特征值提取，用某一個或多個特征來描述圖片的人像數(shù)據(jù)，第三步是根據(jù)提取出來的特征值的圖像進行分類，貼標簽，對原始圖像數(shù)據(jù)實現(xiàn)表情種類的分類。第四步是通過設(shè)計實驗，通過已有的圖像數(shù)據(jù)庫如芬蘭的SMIC數(shù)據(jù)庫和中國傅小蘭團隊的CASEMEⅡ數(shù)據(jù)庫來測試和訓練模型，不斷優(yōu)化和完善特征提取過程和特征分類過程，最終實現(xiàn)微表情的識別過程。

2.3 微表情識別的應用

通過對人類常見面部微表情的整合及對面部微表情識別技術(shù)的進一步開發(fā)，有效識別人類面部常見的微表情，并對微表情進行解讀，以達到推測人類的心理狀態(tài)的目的?？梢酝ㄟ^該項技術(shù)，為商家提供用戶偏好信息，進而利用大數(shù)據(jù)，對消費者提供更加對口的服務，為消費者推薦他們感興趣的內(nèi)容，為消費者提供更好的消費體驗。此項技術(shù)能夠大大提高部分企業(yè)的效益及競爭力。捕捉人們面部的微表情，經(jīng)過數(shù)據(jù)庫的處理和分析可在反恐、安檢和刑訊，人際交往[4]，教學評價反饋[5]等領(lǐng)域中發(fā)揮重要的作用。

2.4 微表情識別領(lǐng)域的發(fā)展展望

當前微表情識別領(lǐng)域的研究尚不成熟，在原始圖像的預處理，微表情特征提取算法的研究，微表情分類識別的優(yōu)化，微表情訓練數(shù)據(jù)庫等方面尚還不成熟，現(xiàn)在對于長視頻中的微表情識別的效果還很欠缺，微表情的識別成功率還不高[6]。

（1）優(yōu)化原始圖像預處理的步驟，使得視頻流的每一幀圖像更加連貫，特征值具有更佳的連續(xù)性。對于興趣區(qū)域（ROI）的劃分的規(guī)則可以進一步標準化，包括使用更好性能的對齊算法對預處理步驟進行對齊處理。

（2）微表情特征提取的算法優(yōu)化，當前提取的特征并不能完全體現(xiàn)圖像的原始特征，圖像的特征提取尤為關(guān)鍵，當前有LBP，HOG等特征可以用來描述原始圖像的特征，但是到最后分類的步驟中體現(xiàn)出來的效果并不是特別理想，所以對原始圖像數(shù)據(jù)的特征值提取和特征描述，對整個微表情識別十分關(guān)鍵。

（3）由于微表情領(lǐng)域的研究發(fā)展較晚，現(xiàn)有微表情數(shù)據(jù)庫的水平還很低，所以現(xiàn)在對于更加完整，數(shù)據(jù)量更龐大的微表情數(shù)據(jù)庫的需要尤為急切。

只要能克服這幾個方面的困難，微表情識別也能夠成功應用在現(xiàn)實生活中，微表情必定能夠為社會貢獻出巨大的實用價值。

【參考文獻】

[1]Ekman P. Telling lies： Clues to Deceit in the Marketplace， Politics and Marriage. 2nd Ed. New York： Norton， 2001.

[2]Endres J， Laidlaw A Micro-express recognition training in medical students： a pilot study[J].BMC medical education，2009，9（1）：47

[3]Yan W J，Wu Q，Liu Y J，et al.CASME database：A database of spontaneous micro-expressions collected from neutralized faces[C].IEEE conference on Automatic Face and Gesture Recognition， Shanghai.2013：1-7

[4]花露溪.微表情在人際交往中的應用[J].課程教育研究，2018（37）：7-8.

[5]曾小芹.智慧教室環(huán)境下基于學生微表情的教學評價機制的構(gòu)建[J].中國多媒體與網(wǎng)絡教學學報（上旬刊），2018（08）：22-23.

[6]徐峰，張軍平.人臉微表情識別綜述[J].自動化學報，2017，43（03）：333-348.