微表情識別綜述

盧俊鋒

【摘 要】微表情通常發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，這在醫療、商業談判、刑事審訊等領域有重要應用。所以近年來，微表情檢測與識別工作逐漸引起了學者的關注，但由于微表情強度微弱，容易受環境因素擾動，持續時間短，發生部位區域狹小與不確定，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域，本文試對國內外微表情識別的研究現狀進行簡單分析和總結。

【關鍵詞】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心的一種防御機制。先后有心理學家Haggard，Tsaacs，Ekaman，Friesen等學者研究做了相關的研究，由于微表情持續的時間非常短，強度小，所以微表情經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 微表情的發展和研究現狀

現在對于表情的識別的技術已經非常成熟，而且都已經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，所以需要重新設計算法和模型，現在主流改進算法的方法就是通過不斷地訓練模型，Ekaman和Matsumoto設計了一個工具可以實現訓練微表情識別模型——METT[2]，現在國內在研究微表情識別領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據庫CASME和CASEMEⅡ[3]，中國傅小蘭團隊已經建立了微表情識別的系統，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，這個數據庫還遠遠不能滿足真正的實驗訓練需求，所以在數據庫的建立上還需要進一步研究和發展。

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，通過對視頻流數據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。由于微表情的強度微弱，時間非常短，但是是人的真實內心情感的表達，所以一旦能夠識別出來，會有著非常高的使用價值，由于表情識別領域的成功應用于現實的許多場景，在微表情領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域的發展。但是由于微表情識別發展起步較晚，所以現在的技術不是特別成熟，還不能應用于現實的場景中。

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）等技術對人類常見的微表情進行識別。實現微表情識別的步驟大致可以分為三步，第一步是對數據庫的原始圖像數據的進行預處理，包括對原始數據進行模糊，輪廓檢測，裁剪，對齊等操作，第二步是在對已經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據，第三步是根據提取出來的特征值的圖像進行分類，貼標簽，對原始圖像數據實現表情種類的分類。第四步是通過設計實驗，通過已有的圖像數據庫如芬蘭的SMIC數據庫和中國傅小蘭團隊的CASEMEⅡ數據庫來測試和訓練模型，不斷優化和完善特征提取過程和特征分類過程，最終實現微表情的識別過程。

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的進一步開發，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的目的。可以通過該項技術，為商家提供用戶偏好信息，進而利用大數據，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容，為消費者提供更好的消費體驗。此項技術能夠大大提高部分企業的效益及競爭力。捕捉人們面部的微表情，經過數據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]等領域中發揮重要的作用。

2.4 微表情識別領域的發展展望

當前微表情識別領域的研究尚不成熟，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化，微表情訓練數據庫等方面尚還不成熟，現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性。對于興趣區域（ROI）的劃分的規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化，當前提取的特征并不能完全體現圖像的原始特征，圖像的特征提取尤為關鍵，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出來的效果并不是特別理想，所以對原始圖像數據的特征值提取和特征描述，對整個微表情識別十分關鍵。

（3）由于微表情領域的研究發展較晚，現有微表情數據庫的水平還很低，所以現在對于更加完整，數據量更龐大的微表情數據庫的需要尤為急切。

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.智慧教室環境下基于學生微表情的教學評價機制的構建[J].中國多媒體與網絡教學學報（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.