表情识别技术综述
人脸识别技术综述
一、计算机人脸识别技术的基本 原理
计算机人脸识别技术的基本原理是利用图像处理和模式识别的方法，通过对人 脸图像进行预处理、特征提取和分类器设计，来对人脸进行识别。
1、人脸预处理
人脸预处理是计算机人脸识别技术的第一步，它的目的是去除图像中的噪声、 光照、表情等因素，使得人脸图像更加清晰和规整。人脸预处理的方法包括灰 度化、二值化、去噪、归一化等。
人脸识别技术综述
基本内容
随着科技的不断发展，人脸识别技术已经成为了日常生活中不可或缺的一部分。 从安防领域的身份认证到金融风控领域的风险控制，再到人机交互和智能客服 领域的用户体验优化，人脸识别技术都有着广泛的应用。本次演示将对人脸识 别技术进行综述，探讨其发展历程、现状、优缺点、挑战和未来发展方向。
相信在未来的发展中，人脸识别技术将会不断完善和提升，为人类的生活和工 作带来更加便捷和安全的应用体验。
参考内容
基本内容
随着科技的进步，计算机人脸识别技术得到了广泛的应用和发展。人脸识别技 术是一种利用计算机视觉技术来对人脸进行识别和认证的技。术，它的应用范 围已经涉及到安全监控、门禁系统、身份认证、人机交互等众多领域。本次演 示将对计算机人脸识别技术进行综述，介绍其基本原理、实现方法和发展趋势。
2、特征提取
特征提取是人脸识别的关键步骤之一，它的目的是从预处理后的图像中提取出 有效的特征，用于区分不同的人脸。特征提取的方法包括基于几何特征的方法、 基于统计特征的方法和基于深度学习的方法等。
3、分类器设计
分类器设计是人脸识别的最后一步，它的目的是利用已经训练好的分类器对人 脸特征进行分类和识别。分类器设计的方法包括支持向量机、神经网络、决策 树等。
随着人们对个人隐私保护的重视，未来的人脸识别技术将会更加注重隐私保护， 例如采用盲生化和隐私保护技术来保护用户的隐私。
微表情自动识别综述
第26卷第9期计算机辅助设计与图形学学报v oI．26N o．92014年9月Journal of Com pu te r_A id e d Design&Computer Grap h ic s se p．2014微表情自动识别综述贲睨烨1’∞，杨明强"，张鹏"，李娟2’”(山东大学信息科学与工程学院济南250100)2’(山东大学心理健康教育与咨询中心济南z50lo o)”(南京理工大学高维信息智能感知与系统教育部重点实验室南京2l0094)(benxianyeye@163．com)摘要：微表情是一种持续时间仅为1／25～1／5 s非常快速的表情，它表达了人试图压抑与隐藏的真正情感．文中简要分析了面部行为代码系统，探讨了人工微表情识别方法的实验研究；对现有的微表情自动识别的数据库从采集情况、微表情的产生情况以及用途进行了对比总结，重点综述了现有的微表情自动识别研究进展，从识别结果、所采用的技术、优缺点等方面进行了对比总结，给出了评估方法，论述了微表情线索测谎的典型应用；最后探讨了该领域值得进一步研究的问题和可能的发展方向．关键词：微表情；微表情自动识别；测谎；面部行为代码系统；微表情识别评估方法中图法分类号：TP391．41SurVey o n Automatic Micro Expression Recognition MethodsBen Xianyel，”，Yang Mingqiang¨，Zhang Peng¨，an d Li Juan2’1’(Sc矗o oZ 0-厂J，d台r m n￡i o n SfiP n fe n”d Eng in已Pr ing，S^n九don g Uni口Prsify，Ji’nnn 250100)2’(Ps yf矗oZog了l：b“nsPf i月g l=Pn￡P r，S^n Hd on g Uniz旭r s“y，．，i’nn行250100)0，jn删咖”￡PP删埘鲫彻d sys￡跏s，0r Hi办一肼mP起5fon口￡J咖r砌￡ion，M抽姗y0，尉群f口fiD”，N4酊i再g咖坩sify o，3’(Ke y L口60m￡orySci Pnf P nn d Tec^no Zo gy，N口月歹i ng210094)Abstract：Micro expression is a fast facial movement，which usually lasts for 1／25 to 1／5 second．Itrevea ls a real emotion that people try to s u p p re s s and conceal．In this paper，facial action codingsystem(FACS) is firstly analyzed briefly，and then t he ex per ime nta l st ud y of artificial micro expression recognition is explored．Secondly，the acqu is it io n，g en e ra ti on a nd usage of micro expressions a r e compar at ive ly sum ma riz ed bas ed o n the existing automatic micro expression recognitiondatabase．Thirdly，the comparative studies of recognition results，techno log ie s，advantages and disadva ntage s with a n e mp has is o n auto ma ti c m icr o e x p r es s i o n r e c o g n i t i o n methods a r e alsoreVie wed．Fourt hly，the evaluation measur es of micro e xpres sion a r e discussed．Fifthly，a typicalap pl ic at io n of usin g micro e xpre ssion clues t o deception de tec tion is add res se d．Finally，severalissues worthy of further study and possible directions of development a r e conc lu de d．Key words：micro expression；automatic micro expression recognition；deception detection；facialaction coding syste m；micro e xpression recognitio n evaluat ion measure情绪存在于人生活中的时时刻刻，情绪和表情现，情绪是某种内心体验，而表情就是它表现在外的之间是有着某种必然联系的，表情是情绪的外部表面部反应．内心的情绪一定会有外在表现，因为这些收稿日期：2013一08—20；修回日期：2013—12一03．基金项目：国家自然科学基金(61201370)；教育部博士点基金(20120131120030)；中国博士后科学基金(2013M530321)；中国博士后科学基金第7批特别资助(2014T70636)；山东省博士后创新项目专项资金(2013031∞)；高维信息智能感知与系统教育部重点实验室(南京理工大学)基金(30920140122006)；山东大学自主创新基金(2012G N043，2012DX007，2012Z D039， IFw09108)．贲睨烨(1983一)，女，博士，讲师，硕士生导师，主要研究方向为模式识别、图像处理等；杨明强(1969一)，男，博士，副教授，硕士生导师，主要研究方向为图像处理等；张鹏(1990一)，男，硕士研究生，主要研究方向为模式识别、图像处理等；李娟(1972一)。
人脸表情识别综述
摘要 ： 际 交往 中， 人 面部表 情 为人们 相 互间的 交流提 供 了一种重要 的渠道 ， 们通过 面部 丰富细 小的 变化 ， 人 能表达 各种各 样的表 情 。该文综合介绍 了人脸表 情识别 的研 究背景和 国内外现状 ， 并且 罗列 出了和表情 识别相 关的一些重要 国际会议 ， 总结 了近十年 来国内外研 究学者在表情识别领域提 出的各 自创新的研 究方法 ， 最后提 出在表情识 别研 究 中仍然存在 的问题 和不足 。 关键词 ： 表情 识别； 究方法 ； 新； 研 创 不足
ｎ ｅ ｎ ， ｎｉｇ ｉｅｓｙｏ Ａ ｒｎ ｕｉ ｎ ｔ ｎ ｕｉ ， ｎｉｇ２ ０ １ ， ｈｎ ） ｅ ｒ ｇ Ｎａｊ ｖ ｒ ｔ ｆ ｅｏ ａ ｔ ｓ ｄ ｒ ａ ｔ ｓ Ｎａｊ １ ０ ６ Ｃ ｉａａ ｔ Ｆ ｃ ｌ ｘ ｒｓ ｏ ｋ ｙ ｔ ｎ ｎ ｅｂ ｌ ｏ ｓ ｃ： ａ ｉ ｐ ｅ ｉｎｉ ａ ｅ ｏ ｖ ｒａ ｃ ｍｍｕ ｉ ｔ ｎ ｗｈｃ ａ ｂ ｅ ｏ ｆｍｅ ｙｍａ ｙｄｆ ｒｎ ｓａｃ ｒ ｅｔ Ａ ｃ ａ ｇ ｒ ａｅ ｓ ｓ Ｏ ｎｃ ｉ ， ｉｈｈ ｓ ｅ ｎ ｃ ｎ ｒ ｄｂ ｎ ｉ ｅｅ ｔ ｅ ｒｈｐ ｏ ｃ ． ｈ ｎ ｅ ａｏ ｉ ｒｅ ｊ ｓ
ｉ ｔ ｎ ｉ ｒ ｇ ｉ ｄ ｆｅ ｅ ｎ ｐ ｃｆ ａ ｉｌ ｘ ｒ ｓｉ ｎ ｃ ｎ ｃ ｕ ｅ ｄｆ ｒ ｎ ｔ ｒ ｒ ｔｔ ｎ ． ｎ ｔ ｉ ｐ ｐ ｒ ｔ ｅｂ ｃ ｇ ｏ ｎ ｆ ａ ｉｌ ｘ ｎ ｉ ｅ ｓ ｏ ｎ ｙ ｔ ｍａ ｎ ｔ ｅ ｏ ｎ ｏ ｅ ｓ ｅ ｉ ｃｆｃａ ｐ ｅｓ ａ ａ ｓ ｉ ｅ ｅ ｔ ｎ ｅｐ ｅ ａｉ ｓ Ｉ ｓ ａ ｅ ， ｈ ａ ｋ ｒ ｕ ｄ ｏ ｃａ — ｕ ｖ ｉ ｅ ｏ ｉ ｏ ｈ ｆ ｅ
动态表情识别综述
动态表情识别是人工智能领域的一个重要研究方向，主要研究如何让机器理解和识别人类的表情动态。
这项技术在许多领域都有广泛的应用，如社交网络、人机交互、医疗健康等。
动态表情识别技术的主要任务是识别和理解视频序列中的人脸表情。
这涉及到两个主要的步骤：人脸检测和人脸表情识别。
人脸检测主要是通过计算机视觉技术，从图像或视频中定位并提取人脸部分。
常用的方法有Haar级联、HOG特征结合SVM分类器等。
人脸表情识别则是通过分析和理解人脸的特征，识别出人脸的表情。
常用的方法有基于规则的方法、基于统计的方法、基于机器学习的方法等。
其中，基于机器学习的方法，特别是深度学习方法，由于其强大的特征学习和表达能力，近年来在表情识别领域取得了显著的成果。
动态表情识别的挑战主要在于表情的多样性和复杂性，以及面部表情的微妙变化。
未来的研究方向可能包括提高表情识别的准确性和鲁棒性，以及开发更有效的特征提取和表情分类方法。
人脸表情识别研究共3篇
人脸表情识别研究共3篇人脸表情识别研究1随着科学技术的不断进步，人脸表情识别技术也得到了广泛的应用。
人脸表情识别技术可以从面部表情中识别出人类的情感状态，并在情感识别、人机交互、心理疾病诊断、虚拟现实等方面得到广泛的应用。
本文将从人脸表情识别技术的基本原理、应用领域、研究进展等方面进行分析和探讨。
基本原理人脸表情识别是一种计算机视觉技术，其基本原理是通过对面部表情进行分析和处理，从而识别出人类的情感状态。
人脸表情识别技术通常包括两个基本步骤：特征提取和分类判断。
特征提取是指将人脸图像中的特定区域（如眼睛、嘴巴、眉毛等）的特征进行提取，并将其转化为计算机可处理的数据。
目前，人脸表情识别技术主要采用的特征提取方法有灰度共生矩阵（Gray-level co-occurrence matrix, GLCM）和主成分分析（Principle Component Analysis, PCA），其中GLCM方法可以提取出面部纹理细节，PCA方法则可以将原始的面部数据进行降维处理，提高计算效率。
分类判断是指对提取的特征进行分类和判断，将它们归类为特定的情感状态。
目前，主流的分类方法有支持向量机（Support Vector Machine, SVM）、朴素贝叶斯分类器（Naive Bayes Classifier）和人工神经网络（Artificial Neural Network, ANN）。
应用领域人脸表情识别技术具有广泛的应用领域，涉及情感识别、人机交互、心理疾病诊断、虚拟现实等方面。
以下是其中一些典型应用场景：情感识别：人脸表情识别技术可以将人类的情感状态（如喜、怒、哀、乐、惊、恐等）进行识别和分类，可以在多个领域得到应用。
比如，在市场调研领域，可以通过对消费者面部表情的识别，对产品的市场反应进行分析和预测。
人机交互：人脸表情识别技术可以在智能终端、游戏等场景中，实现人机之间更加自然的交互方式。
比如，在智能家居领域，可以通过人脸表情识别技术让家居设备更好地理解人类的情感状态，从而提供更加人性化的服务。
基于图像的面部表情识别方法综述
微表情识别研究综述
面部表情作为人表现情感的主要方式之一，在过去的几十年里，关于各种表情识别的研究已经取得重要的进展[1-6]。
这几年，关于自发式的表情（spontaneous expression）的识别成为了新的研究热点[7-8]，而微表情往往是在人想压抑自己感情时产生的，这既无法伪造也无法抑制[9]。
完整的面部表情通常持续0.5~4s[10]，比较容易被人识别。
然而，心理学认为，当一个人试图隐藏自己真实情感时，偶尔会有情感泄露出来。
微表情首次发现于1966年[11]。
三年后，Ekman等人[12]在分析一段试图自杀的病人的采访视频时使用了微表情这个词。
微表情通常在1/25~1/2s[13]之间不受控制地变化，并且出现频率较低，未经过训练的个体对其识别能力并不高[14]。
而不同的研究者报告的结果也存在着较大的差异[15-16]。
在这之后，Ekman和Friesen于1979年提出了短暂表情识别测验（Brief Affect Recognition Test，BART）[17]。
在后续的实验中他们发现了被试者的微表情识别能力与谎言识别能力成正相关[18]。
之后，进行了日本人与高加索人短暂表情识别测验（Japanese and Caucasian Brief Affect Recognition Test，JACBART）[19-20]，该实验也验证了被试者的微表情识别能力与谎言识别能力成正相微表情识别研究综述张人1，何宁21.北京联合大学北京市信息服务工程重点实验室，北京1001012.北京联合大学智慧城市学院，北京100101摘要：微表情是人类在试图掩饰自己情感时所产生的面部细微变化，在测谎、安防、心理学治疗和微表情识别机器人等方面有着非常广泛的应用，因此微表情识别也开始得到重视。
从微表情识别的主流的方法：卷积神经网络及其改进、光流法及其改进、局部二值模式及其改进方法进行分析，对现存的几种方法从使用的算法、准确率、各方法的优缺点、各方法的特点等几个角度进行对比总结；阐述微表情识别目前存在的问题，并对未来的发展方向进行展望。
面部表情识别方法综述
面部表情识别方法综述＊张利伟，张 航，张玉英（中南大学信息科学与工程学院，湖南 长沙 ４１００７５）摘 要：介绍了表情识别难点及研究现状；重点阐述了不同的人脸表情特征提取方法和基于分类器的表情识别方法，并对各种方法进行了简单的分析比较；最后针对鲁棒性的需求，给出了人脸表情识别未来要研究的重点内容。
关键词：表情识别；特征提取；表情分类中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：１００３－７２４１（２００９）０１－００９３－０６A Survey of Facial Expression RecognitionZHANG Li-wei, ZHANG Hang, ZHANG Yu-ying( Information Science and Engineering of Central South University, Changsha 410075 China )Abstract: This paper introduces the facial expression recognition technique and methods for feature extraction and the classifier design. Some suggestions are also given to the future research of the facial expression recognition.Key words: facial expression recognition; feature extraction; facial classification１ 引言表情是人类用来表达情绪的一种基本方式，是非语言交流中的一种有效手段。
人们可通过表情准确而微妙地表达自己的思想感情，也可通过表情辨认对方的态度和内心世界。
关于表情传递信息的作用，心理学家Ｍｅｈｒａｂｉａｎ［１］给出了一个公式：感情表露＝７％的言词＋３８％的声音＋５５％的面部表情。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表情识别技术综述
摘要：表情识别作为一种人机交互的方式，成为研究的热点。
基于对表情识别的基本分析，文章重点介绍了面部表情识别的国内外研究情况和面部表情特征的提取方法。
关键词：表情识别；特征提取；表情分类。
前言：进入21世纪，随着计算机技术和人工智能技术及其相关学科的迅猛发展，整个社会的自动化程度不断提高，人们对类似于人和人交流方式的人机交互的需求日益强烈。
计算机和机器人如果能够像人类那样具有理解和表达情感的能力，将从根本上改变人与计算机之间的关系，使计算机能够更好地为人类服务。
表情识别是情感理解的基础，是计算机理解人们情感的前提，也是人们探索和理解智能的有效途径。
如果实现计算机对人脸表情的理解与识别将从根本上改变人与计算机的关系，这将对未来人机交互领域产生重大的意义。
正文：一、面部表情识别的国内外研究情况
面部表情识别技术是近几十年来才逐渐发展起来的，由于面部表情的多样性和复杂性，并且涉及生理学及心理学，表情识别具有较大的难度，因此，与其它生物识别技术如指纹识别、虹膜识别、人脸识别等相比，发展相对较慢，应用还不广泛。
但是表情识别对于人机交互却有重要的价值，因此国内外很多研究机构及学者致力于这方面的研究，并己经取得了一定的成果。
进入90年代，对面部表情识别的研究变得非常活跃，吸引了大量的研究人员和基金支持。
美国、日本、英国、德国、荷兰、法国等经济发达国家和印度、新加坡都有专门的研究组进行这方面的研究。
其中MIT的多媒体实验室的感知计算组、CMu、Ma州大学的计算机视觉实验室、Standford大学、日本城蹊大学、大阪大学、ArR研究所的贡献尤为突出。
国内的清华大学、哈尔滨工业大学、中科院、中国科技大学、南京理工大学、北方交通大学等都有专业人员从事人脸表情识别的研究，并取得了一定的成绩。
在1999年的国家自然科学基金中的“和谐人机环境中情感计算理论研究”被列为了重点项目。
同时中国科学院自动化所、心理所以及国内众多高校也在这方面取得了一定的进展。
2003年，在北京举行了第一届中国情感计算与智能交互学术会议，会议期间集中展示了国内各研究机构近几年来从认知、心理、模式识别、系统集成等多种角度在情感计算领域取得的研究成果，一定程度上弥补了我国这方面的空白。
国家“863”计划、“973”项目、国家自然科学基金等也都对人脸表情识别技术的研究提供了项目资助。
二、面部表情特征的提取方法
表情特征提取是表情识别系统中最重要的部分，有效的表情特征提取工作将使识别的性能大大提高，当前的研究工作也大部分是针对表情特征的提取。
目前为止的人脸面部表情特征提取方法大都是从人脸识别的特征提取方法别演变而来，所用到的识别特征主要有:灰度特征、运动特征和频率特征三种阎。
灰度特征是从表情图像的灰度值上来处理，利用不同表情有不同灰度值来得到识别的依据。
运动特征利用了不同表情情况下人脸的主要表情点的运动信息来进行识别。
频域特征主要是利用了表情图像在不同的频率分解下的差别，速度快是其显著特点。
在具体的表情识别方法上，分类方向主要有三个:整体识别法和局部识别法、形变提取法和运动提取法、几何特征法和容貌特征法。
整体识别法中，无论是从脸部的变形出发还是从脸部的运动出发，都是将表情人脸作为一个整体来分析，找出各种表情下的图像差别。
其中典型的方法有:基于特征脸的主成分分析(prineipalComponentAnalysis，pCA)法、独立分量分析法(Indendent ComPonent Analysis，ICA)、Fisher线性判别法(Fisher’s Linear Discriminants，FLD)、局部特征分析(LoealFeatureAnalysis，LFA)、Fishe诞动法(Fisher^ctions)、隐马尔科夫模型法(HideMarkovModel，HMM)和聚类分析法。
局部识别法就是将人脸的各个部位在识别时分开，也就是说各个部位的重要性是不一样。
比如说在表情识别时，最典型的部位就是眼睛、嘴、眉毛等，这些地方的不同运动表示了丰富的面部表情。
相比较而言，鼻子的运动就较少，这样在识别时就可以尽量少的对鼻子进行分析，能加快速度和提高准确性。
其中最典型的方法就是脸部运动编码分析法(FacialAetionseodesystem，FAes)和MPEe一4中的脸部运动参数法其他的还有局部主分量分析法(LocalPCA)、Gabor小波法和神经网络法。
形变提取法是根据人脸在表达各种表情时的各个部位的变形情况来识别的，主要的方法有:主分量分析法(PeA)、o汕or小波、运动模板法(Aetivesh叩eModel，AsM)[’6]和点分布模型(PointDistributionModel，PDM)法。
运动法是根据人脸在表达各种特定的表情时一些特定的特征部位都会作相应的运动这一原理来识别的。
典型的识别方法有:光流法(OPticalFlow)「’7][’8]和MPEG一4中的脸部运动参数法(FaceAnimationparameterFAp)。
几何特征法是根据人的面部的各个部分的形状和位置(包括嘴、眼睛、眉毛、鼻子)来提取特征矢量，这个特征矢量来代表人脸的几何特征。
根据这个特征矢量的不同就可以识别不同的表情。
重要的方法是:基于运动单元(AU)的主分量分析法。
在容貌特征法中，主要是将整体人脸或者是局部人脸通过图像的滤波，以得到特征矢量。
常用的滤波器是Gabor小波。
当然，这三个发展方向不是严格独立，它们只是从不同侧面来提取所需要的表情特征，都只是提供了一种分析表情的思路，相互联系，相互影响。
有很多种方法是介于两者甚至是三者之间。
例如说面部运动编码系统法是局部法的一种，同时也是从脸部运动上考虑的等等。
所以，接下来的分析将不从这三个方向上去说明，而是直接简单描述各种主要的算法。
三、目前存在的难点和问题
用计算机来分析识别面部表情是一个非常复杂的问题，准确的人脸表情识别仍然存在诸多困难：
（一）已有人脸表情数据库或自建人脸表情数据库往往受约束条件较多，如背景单一、没有各种饰物的干扰、人脸不发生旋转或只有微小旋转、夸张化的面部表情等。
（二）基于Ekinan分类的六种基本表情和中性表情不足以描述人类复杂多变的真实表情，如何找到更精确的描述方式是目前鱼待解决的问题。
（三）人脸表情库的建设要加强。
当前的人脸表情数据库的大都是欧美以及日本的人脸个体，鉴于种族、文化差异对人脸表情的影响，我国要开展相关的理论和应用研究急需建立起有我国特色的中国人的人脸表情图像数据库。
总结：面部表情识别是人机交互与信息处理领域中的一个重要课题，因其具有较强的应用潜
力和学术价值，近年来越来越受到研究者的关注，成为研究的热点。
目前的人脸面部表情识别大多采用人脸识别的方法，然而表情识别有其特殊性，并不是所有人脸识别的方法都能在表情识别中取得很好的效果。
据此，我认为针对表情识别对纹路细节敏感的特点研究将更有前景。
参考文献：
[l]张一鸣。
人脸表情识别。
辽宁:大连理工大学硕士学位论文，2006，12。
[2]刘芳。
应用图像处理技术的人脸表情识别研究。
北京:北京科技大学硕士学位论文，2003，06。
[3]王志良，刘芳，王莉。
基于计算机视觉的表情识别技术综述[J]。
计算机工程，2006一06，32(11）:231一233。
[4]龚婷。
面部表情识别研究。
浙江：浙江工业大学硕士学位论文，2009,04。
[5]何良华，邹采荣，包永强，赵力。
人脸面部表情识别的研究进展[J]。
电路与系统学报2005一2，10(l):70一75。
[6]章品正,王征,赵宏玉。
面部表情特征抽取的研究进展[J]。
计算机工程与应用,2006(9)。