深度学习 人脸表情识别 人脸表情识别综述

• 作者：北京邮电大学的邓伟洪教授

首先我们来了解一下表情识别的相关背景知识以及发展近况。人脸表情是最直接、最有效的情感识别模式。它有很多人机交互方面的应用，例如疲劳驾驶检测和手机端实时表情识别。早在20世纪Ekman等专家就通过跨文化调研提出了七类基础表情，分别是生气，害怕，厌恶，开心，悲伤，惊讶以及中立。然而不断的研究发现这七类基本表情并不能完全涵盖人们在日常生活中所表露的情感。针对该问题，最近一个较大的进展就是2014年在PNAS上发表的一篇文章。该研究提出了复合表情的概念，并且指出多个离散的基础表情能结合在一起从而形成复合表情。例如当人们遇到意外的惊喜时，应该是既开心又惊讶的。

整个人脸表情识别的研究是跟随人脸识别的发展而发展的，人脸识别领域比较好的方法会同样适用于表情识别。该综述从算法和数据库两方面调研了人脸表情识别领域的进展。在数据库方面，表情识别逐渐从传统的实验室统一控制下的小样本量数据库转移到了现实生活中的多样化大规模数据库。在算法方面，传统的手工设计特征乃至浅层学习特征也不再能很好地适应现实世界中种种与表情无关的干扰因素，例如光照变换，不同的头部姿态以及面部阻挡。于是越来越多的研究开始将深度学习技术运用到了人脸表情识别之中，来解决上述问题。

随着互联网的发展，每天都会有不断的人脸图像上传至网路上，这无疑给人脸表情数据的收集带来了新的机遇。然而，如何给这些大量图像标注上相应的表情标签成为了构建数据库过程中的一个难点。传统的标注方法是请相关专家根据人脸面部肌肉动作单元的组成来进行表情标签的标注，这种方法无疑是十分复杂又耗时间的。

摘录：https://zhuanlan.zhihu.com/p/36520673

---

注：博众家之所长，集群英之荟萃。