面部表情分析的幾個常見任務和基本算法

發布時間：2021-09-14 點擊次數：1738

　　面部表情分析是計算機通過分析人臉信息嘗試理解人類情感的一種技術，目前已成為計算機視覺領域的熱點話題。其挑戰在于數據標注困難、多人標簽一致性差、自然環境下人臉姿態大以及遮擋等。為了推動面部表情分析發展，本文概述了面部表情分析的相關任務、進展、挑戰和未來趨勢。首先，簡述了面部表情分析的幾個常見任務、基本算法框架和數據庫；其次，對人臉表情識別方法進行了綜述，包括傳統的特征設計方法以及深度學習方法；接著，對人臉表情識別存在的問題與挑戰進行總結思考；最后，討論了未來發展趨勢。通過全面綜述和討論，總結以下觀點：

　　1)針對可靠人臉表情數據庫規模小的問題，從人臉識別模型進行遷移學習以及利用無標簽數據進行半監督學習是兩個重要策略；

　　2)受模糊表情、低質量圖像以及標注者的主觀性影響，非受控自然場景的人臉表情數據的標簽庫存在一定的不確定性，抑制這些因素可以使得深度網絡學習真正的表情特征；

　　3)針對人臉遮擋和大姿態問題，利用局部塊進行融合的策略是一個有效的策略，另一個值得考慮的策略是先在大規模人臉識別數據庫中學習一個對遮擋和姿態魯棒的模型，再進行人臉表情識別遷移學習；

　　4)由于基于深度學習的表情識別方法受很多超參數影響，導致當前人臉表情識別方法的可比性不強，不同的表情識別方法有必要在不同的簡單基線方法上進行評測。目前，雖然非受控自然環境下的表情分析得到較快發展，但是上述問題和挑戰仍然有待解決。

　　人臉表情分析是一個比較實用的任務，未來發展除了要討論方法的精度也要關注方法的耗時以及存儲消耗，也可以考慮用非受控環境下高精度的人臉運動單元檢測結果進行表情類別推斷。

上一篇：面部表情分析系統在情緒研究中的應用
下一篇：動作捕捉設備在運動和醫療健康行業的應用

人因工程與工效學: 人機工程、人的失誤與系統安全、人機工效學、工作場所與工效學負荷等

安全人機工程: 從安全的角度和著眼點，運用人機工程學的原理和方法去解決人機結合面安全問題

交通安全與駕駛行為: 人-車-路-環境系統的整體研究，有助于改善駕駛系統設計、提高駕駛安全性、改善道路環境等

用戶體驗與交互設計: ErgoLAB可實現桌面端、移動端以及VR虛擬環境中的眼動、生理、行為等數據的采集，探索產品設計、人機交互對用戶體驗的影響

建筑與環境行為: 研究如何通過城市規劃與建筑設計來滿足人的行為心理需求，以創造良好環境，提高工作效率

消費行為與神經營銷: 通過ErgoLAB采集和分析消費者的生理、表情、行為等數據，了解消費者的認知加工與決策行為，找到消費者行為動機，從而產生恰當的營銷策略使消費者產生留言意向及留言行為