微表情识别综述

卢俊锋

【摘 要】微表情通常发生在一个人试图隐藏他的真实感受的时候，它是人类心理活动的真实表达，如若被有效捕捉，可以准确评估其心理状态，这在医疗、商业谈判、刑事审讯等领域有重要应用。所以近年来，微表情检测与识别工作逐渐引起了学者的关注，但由于微表情强度微弱，容易受环境因素扰动，持续时间短，发生部位区域狭小与不确定，一般传感器很难捕捉识别，所以微表情识别成为一个热门的研究领域，本文试对国内外微表情识别的研究现状进行简单分析和总结。

【关键词】微表情;微表情识别

中图分类号： TP391.41 文献标识码： A文章编号： 2095-2457（2019）32-0136-001

DOI：10.19694/j.cnki.issn2095-2457.2019.32.062

1 微表情综述

1.1 微表情的定义

微表情是人在非常短的时间不能控制隐藏自己真实情感的面部表情[1]。心理学家认为微表情是一种内心的一种防御机制。先后有心理学家Haggard，Tsaacs，Ekaman，Friesen等学者研究做了相关的研究，由于微表情持续的时间非常短，强度小，所以微表情经常不会引起人的注意，但是微表情在人际交往、刑事案件的审讯、安检等方面有着很高的实际应用价值。

1.2 微表情的发展和研究现状

现在对于表情的识别的技术已经非常成熟，而且都已经成功应用到生活的许多方面中，但是这些算法和模型应用到微表情的识别上效果却不太好，所以需要重新设计算法和模型，现在主流改进算法的方法就是通过不断地训练模型，Ekaman和Matsumoto设计了一个工具可以实现训练微表情识别模型——METT[2]，现在国内在研究微表情识别领域有较好的效果的团队有中科院的傅小兰团队建立的微表情数据库CASME和CASEMEⅡ[3]，中国傅小兰团队已经建立了微表情识别的系统，但还存在需改进的地方。但是对于基于视频流的微表情识别而言，这个数据库还远远不能满足真正的实验训练需求，所以在数据库的建立上还需要进一步研究和发展。

2 微表情识别综述

2.1 微表情识别

基于视频流的微表情的检测能够具体刻画微表情，通过对视频流数据中普遍存在的微表情进行有效识别，从而真实描述其真实的心理状态。由于微表情的强度微弱，时间非常短，但是是人的真实内心情感的表达，所以一旦能够识别出来，会有着非常高的使用价值，由于表情识别领域的成功应用于现实的许多场景，在微表情领域有许多可以借鉴的地方，所以加速了表情识别的微表情识别领域的发展。但是由于微表情识别发展起步较晚，所以现在的技术不是特别成熟，还不能应用于现实的场景中。

2.2 微表情识别的步骤

通过计算视觉，基于人脸特征和FACS（面部表情编码）等技术对人类常见的微表情进行识别。实现微表情识别的步骤大致可以分为三步，第一步是对数据库的原始图像数据的进行预处理，包括对原始数据进行模糊，轮廓检测，裁剪，对齐等操作，第二步是在对已经处理好的图片进行特征值提取，用某一个或多个特征来描述图片的人像数据，第三步是根据提取出来的特征值的图像进行分类，贴标签，对原始图像数据实现表情种类的分类。第四步是通过设计实验，通过已有的图像数据库如芬兰的SMIC数据库和中国傅小兰团队的CASEMEⅡ数据库来测试和训练模型，不断优化和完善特征提取过程和特征分类过程，最终实现微表情的识别过程。

2.3 微表情识别的应用

通过对人类常见面部微表情的整合及对面部微表情识别技术的进一步开发，有效识别人类面部常见的微表情，并对微表情进行解读，以达到推测人类的心理状态的目的。可以通过该项技术，为商家提供用户偏好信息，进而利用大数据，对消费者提供更加对口的服務，为消费者推荐他们感兴趣的内容，为消费者提供更好的消费体验。此项技术能够大大提高部分企业的效益及竞争力。捕捉人们面部的微表情，经过数据库的处理和分析可在反恐、安检和刑讯，人际交往[4]，教学评价反馈[5]等领域中发挥重要的作用。

2.4 微表情识别领域的发展展望

当前微表情识别领域的研究尚不成熟，在原始图像的预处理，微表情特征提取算法的研究，微表情分类识别的优化，微表情训练数据库等方面尚还不成熟，现在对于长视频中的微表情识别的效果还很欠缺，微表情的识别成功率还不高[6]。

（1）优化原始图像预处理的步骤，使得视频流的每一帧图像更加连贯，特征值具有更佳的连续性。对于兴趣区域（ROI）的划分的规则可以进一步标准化，包括使用更好性能的对齐算法对预处理步骤进行对齐处理。

（2）微表情特征提取的算法优化，当前提取的特征并不能完全体现图像的原始特征，图像的特征提取尤为关键，当前有LBP，HOG等特征可以用来描述原始图像的特征，但是到最后分类的步骤中体现出来的效果并不是特别理想，所以对原始图像数据的特征值提取和特征描述，对整个微表情识别十分关键。

（3）由于微表情领域的研究发展较晚，现有微表情数据库的水平还很低，所以现在对于更加完整，数据量更庞大的微表情数据库的需要尤为急切。

只要能克服这几个方面的困难，微表情识别也能够成功应用在现实生活中，微表情必定能够为社会贡献出巨大的实用价值。

【参考文献】

[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.微表情在人际交往中的应用[J].课程教育研究，2018（37）：7-8.

[5]曾小芹.智慧教室环境下基于学生微表情的教学评价机制的构建[J].中国多媒体与网络教学学报（上旬刊），2018（08）：22-23.

[6]徐峰，张军平.人脸微表情识别综述[J].自动化学报，2017，43（03）：333-348.