微表情

摘要： 微表情是指当人们想要隐藏其真实情绪时,所自发产生的表情,持续时间在1/5 s之内,其面部肌肉运动短暂、幅度微小,有限的数据集使得特征提取变得困难,给其识别带来巨大的挑战。针对这些问题,本文提出一种基于图像预处理技术和双分支网络的识别方法,首先利用先进的人脸对齐网络获取有效的面部表情区域,再采取欧拉视频放大技术捕捉面部动作的微弱变化,以及提取光流信息作为视频序列的特征,然后将光流信息不同组合的特征图输入到双分支分类网络中得到表情标签输出。在SMIC和CASMEⅡ两个公开的数据集上进行实验,采用留一法交叉验证,准确率分别达到0.545和0.584,实验结果的定量分析和定性分析均验证了所提出识别模型的有效性。

摘要： “我被我‘师父’要求看了一个星期的谈话录像,现在我回家和我父母说话都在观察他们的微表情。”“你这不算什么,我连着几个案子都在和单位的财务报表打交道,我现在出门买菜都想着这菜的报表要怎么做。”乐山市井研县纪委机关的干部学习室中,年轻干部们利用中午的休息时间开交流会。

摘要： 目的:分析我国微表情识别应用研究现状和研究热点,归纳微表情识别技术的应用领域。方法:本文利用CiteSpace进行文献分析,以中国知网(CNKI)为数据的来源,对我国微表情识别应用进行搜索,得到需要的有效文献146篇并对此进行可视化分析。结果:研究热点主要在侦察应用、情绪识别和人脸识别等方面;陈晋音博士和中国科学院心理研究所的傅小兰博士为最大的核心作者合作群;微表情的识别应用在我国社会安全、教育、侦查讯问、医疗诊断等领域得到研究。结论:本文通过对微表情的识别应用的文献研究,阐述微表情识别应用的研究现状,总结出微表情在我国被运用的实际场景,未来我国微表情研究者可着重关注微表情应用的实际操作,将微表情普及到人民群众的生活中。

摘要： 微表情是人们心理状况的外部表现,教师在课堂提问互动中,通过对学生外部表现的观察,判断其情绪和状态,揣测其心理反应,并灵活采取相应的教学调控手段。同时,在大学英语泛读课堂上,因话题更广泛、题材更多样,问答环节增加了对学生的挑战,教师更应具备敏锐的观察能力,判断学生不能顺利作答的卡壳点,及时调整提问方式,提供恰当的帮助,做好“脚手架”角色,推动学生完整作答,提升课堂教学质量。

摘要： 自动表情识别是心理学与计算机科学等深度交叉的前沿领域。情绪心理学、模式识别、情感计算等领域的研究者发展表情识别相关的理论、数据库和算法,极大地推动了自动表情识别技术的进步。文章基于心理学视角,结合我们前期开展的相关工作,首先梳理自动表情识别的心理学基础、情绪的面部表达方式、表情数据的演化、表情样本的标注等方面的理论观点与实践进展,然后分析指出自动表情识别面临的主要问题,最后基于预测加工理论的建构观点,提出注重交互过程中的表情“理解”,有望进一步提高自动表情识别的有效性,并预期这可能是自动表情识别研究的未来发展方向。

摘要： 针对线上教学师生交流渠道缺失,教师不能及时评价教学质量的问题,提出基于微表情识别的会计在线教学质量评估方法设计。设计在移动通信端通过普通摄像头采集视频图像的方法,在采集到的低分辨率图像中提取表情数据,与典型心理活动相关联,反馈为对教学内容的理解程度,实现师生在线教学模式下对教学质量的评估。通过当前主流的移动通信设备,低成本地完成会计专业在线教学的质量评估,对教师实时掌握学生思路具有辅助作用,一定程度上通过在线教学的教学效率。

摘要： 微表情是一种简短且微妙的面部表情。它可以帮助理解个体的意图和动机,反映真实的心理过程。近年来,微表情的自动化分析发展迅速,但对微表情认知机制的研究实际上仍十分缺乏。通过研究模拟犯罪范式下高低风险场景产生的表情,探讨高低风险场景产生微表情的差异,从而进一步研究微表情行为背后的生成机制。实验结果显示:(1)高风险场景下产生的微表情数量大于低风险场景下的数量。(2)皮肤电活动(EDA)在风险场景(高风险/低风险)和表情类型(微表情/宏表情)下都存在显著差异。(3)EDA在表情类型和风险场景之间存在交互作用。结果表明,相比低压场景,微表情更容易在高压下产生。研究首次为微表情产生机制提供了实证研究。

摘要： 微表情是一种持续时间很短暂的表情,表达了人们被压抑的真实情绪,通常在说谎情境中被观察到。过往研究发现,催产素是信任的生理基础,催产素会增强社会信任,促进亲社会行为,而增加脑内催产素的水平会显著降低微表情识别的准确率。这提示,个体一般社会信任越高,对微表情识别准确率就越低。本研究通过一个行为研究对该假设进行了检验,其中自变量为一般社会信任,因变量为微表情识别的准确率,协变量为性别、年龄、教育程度。研究通过WVS6的V24题测量一般社会信任,并进行微表情识别任务,最后对数据进行回归分析。结果表明,一般社会信任分数越高的个体,其微表情识别准确率就越低,两者之间呈现显著负相关关系。这提示,高社会信任的个体,可能主动通过抑制对他人微表情的识别来促进人际合作和社会整合。

摘要： 在面试过程中,面试者所表现出来的信息并非全部是真实的.如何识别出这些非真实信息,成为招聘过程中必要的工作之一.微表情的识别,为此提供了一条现实路径."微表情"一闪而过,相对人们有意识做出的表情,无意识展现出的"微表情"更能揭露内心的真实感受和情绪冲突.面试是以面对面的沟通与交流为主,在此过程中,面试官就能够通过应用微表情的识别帮助自己提高面试可靠性.

摘要： 针对深度学习的方法用于微表情识别时微表情识别的实验数据库非常稀缺,导致神经网络在学习的过程中知识获取有限而难以提高精度及泛化能力的问题,提出基于双流网络信息交互的微表情识别方法.通过改进的深度互学习策略引导图像序列不同模态之间的交互训练,提高网络的识别率.方法基于RGB图像序列建立主体网络,基于光流建立辅助网络;在训练阶段,通过设计互学习损失中的有监督学习损失和拟态损失,优化训练过程,使得每一种模态都能学习正确地预测训练样本的真实标识,同时能与其他模态的预测相匹配;在测试阶段,由于互学习机制增强了RGB分支的判别能力,因此可对光流分支进行剪裁,在保证精度的前提下提高识别速度.在CASME,CASMEⅡ和SMIC数据库上的实验结果表明,该方法有效地提高了识别精度,整体性能优于已有方法.

摘要： 人质谈判是一项风险高,策略性强的工作.在人质谈判过程中,谈判人员可以根据劫持者通过微表情所传达的信息来确定劫持者所提出的求的可信度;可以通过劫持者的微表情来判断劫持者的心理活动的变化;同时,还可以自身通过运用微表情来营造出对自己有利的氛围.总而言之,谈判人员可以综合运用微表情来提高谈判的成功几率.

摘要： 本发明属于情感计算领域，特别涉及一种基于微表情视频的视频特征提取方法，旨在为了解决如何从视频中识别面部微小变化并提取出微表情特征，提高微表情识别精度和准确率的问题。本发明对待测目标人脸视频每一帧图像进行网格化处理，并进行二阶梯度的计算和数据分布统计，获取图像帧序列对应的图像特征表示序列；通过秩池化，按照时间顺序排序特征表示序列，获取视频特征表示；通过范数的行稀疏性获取微表情视频特征。本发明能够提取面部的局部细节信息，捕获人脸细节信息的动态变化，在提取微表情视频特征的同时进一步抑制面部中其他信息对识别结果的影响；进一步通过本发明的微表情识别方法，有效提高了微表情识别精度和准确率。

摘要： 本发明公开了一种基于正常表情辅助的微表情识别方法，其步骤包括：1、对微表情视频和正常表情视频分别进行预处理，构建出微表情数据集和正常表情数据集；2、构建微表情身份解缠网络，从微表情图像中提取出微表情相关特征和身份相关特征；3、构建正常表情身份解缠网络，从正常表情图像中提取出正常表情相关特征和身份相关特征；4、将微表情身份解缠网络和正常表情身份解缠网络进行联合训练，利用三元组损失，对抗学习和不等式正则化损失对微表情身份解缠网络进行微调，从而得到最优微表情身份解缠网络。本发明能构建出适用于微表情识别的深度神经网络，从而提高微表情识别的准确性和鲁棒性。

摘要： 本发明涉及一种由宏表情到微表情的迁移学习方法，在训练过程中该模型采用子空间投影的方式，将微表情特征矩阵和宏表情特征矩阵投影到公共子空间中，并用宏表情特征矩阵重构微表情特征矩阵，通过施加约束的方式使得公共子空间内宏表情和微表情特征和结构差别最小化，使得子空间内宏表情和微表情关联最大化，迭代优化目标投影矩阵，最后将测试集数据利用求得的目标投影矩阵投影到公共子空间并采用KNN进行分类。实现了将已有的宏表情域样本的有用信息迁移到微表情域，相当于扩充已标记微表情的样本数目，克服了微表情样本少标记困难的弊端。该方法不仅减少了标记的人力浪费，而且大大的提高了识别性能，提供了微表情识别的另一种策略。

摘要： 本发明涉及一种基于宏表情知识迁移的微表情识别方法，包括步骤如下：(1)对表情和微表情进行分块处理；(2)对表情和微表情进行特征提取，提取LBP特征和光流特征；(3)构建宏表情知识迁移的微表情识别模型，即对表情和微表情学习特定类的映射，将表情和微表情投影到多个公共判别子空间；(4)通过基于欧氏距离的最近邻分类器对所述微表情进行分类识别。一方面，多特征学习可以结合不同特征的特点，使得识别结果达到最佳。另一方面，多任务学习是指以特征点为中心对人脸进行取块，减少面部其他无关区域对实验结果的影响。这里的特征点主要是指与表情和微表情识别相关的关键点。

摘要： 本发明属于情感计算领域，特别涉及一种基于微表情视频的视频特征提取方法，旨在为了解决如何从视频中识别面部微小变化并提取出微表情特征，提高微表情识别精度和准确率的问题。本发明对待测目标人脸视频每一帧图像进行网格化处理，并进行二阶梯度的计算和数据分布统计，获取图像帧序列对应的图像特征表示序列；通过秩池化，按照时间顺序排序特征表示序列，获取视频特征表示；通过范数的行稀疏性获取微表情视频特征。本发明能够提取面部的局部细节信息，捕获人脸细节信息的动态变化，在提取微表情视频特征的同时进一步抑制面部中其他信息对识别结果的影响；进一步通过本发明的微表情识别方法，有效提高了微表情识别精度和准确率。

摘要： 本发明涉及一种基于运动矢量化和宏观表情引导机制的微表情识别方法，属于计算机技术领域。方法为：1、获取宏观表情和微表情样本的起始帧与顶点帧；2、对1中获取的起始帧与顶点帧图像进行运动矢量化处理；3、对微表情样本对应的运动矢量化特征进行非线性放大处理；4、采用面部运动匹配机制对宏观和微观表情样本进行配对；5、通过引导网络实现宏观表情对微表情特征提取的引导及强化；6、根据引导网络的输出情感标签对微表情的类别进行识别。本发明能够根据面部的运动变化实现对微表情情感的识别，运用了宏观表情与微表情产生时面部运动状态的共同特点实现宏表情在微表情特征提取过程中的引导和强化。在微表情情感分析领域具有显著优势。

摘要： 本发明涉及一种基于宏表情状态迁移和混合注意力约束的微表情识别方法，属于计算机领域。方法包括：将宏观表情样本送入本发明设计的特征提取分类模型中进行模型预训练并保存达到最佳验证结果时的模型权重；对微表情图像进行人脸部分裁剪和人脸对齐处理，之后和对应情感标签共同输入特征提取模型；利用采用通道‑空间注意力机制的混合注意力模块对微表情进行特征增强处理；多分类交叉熵损失函数在模型训练的过程中决定了模型地收敛方向以及分类情感分类的类间距。本发明实现了微表情图像特征的准确提取和增强，具有较强的微表情情感分析能力。

摘要： 本发明属于微表情技术领域，公开了一种微表情放大到宏表情的方法、系统、设备及介质，所述微表情放大到宏表情的方法包括从宏表情序列中提取初帧和中间帧，来模拟微表情的面部运动，把宏表情的中间帧作为微表情的顶帧；选择一个极佳的图像迁移模型FOMM，图像迁移模型FOMM包括运动估计模块和图像生成模块；FOMM网络以源图像和驱动帧为输入，使源图像中的对象根据驱动帧中的动作生成新的图像；FOMM网络根据给定宏表情序列数据集进行训练，使得网络掌握宏表情变化特征；运动放大模块被加入到运动估计模块和图像生成模块之间，以实现基于图像迁移的微表情放大功能。

摘要： 一种应用于刑侦的微表情与宏表情片段识别方法，步骤一：采集犯罪嫌疑人视频信息；步骤二：将视频数据转换成图像数据，并进行人脸定位；步骤三：将人脸视频序列数据分别进行微表情片段和宏表情片段的发现；步骤四：然后将发现的微表情和宏表情片段进行相应的微表情和宏表情的识别，得出结果。本发明通过对犯罪嫌疑人视频中发现微表情和宏表情片段并对其进行识别，可以帮助更好的捕捉宏微表情序列，消除了时间，光照，和头部移动的对结果的影响，有较高的鲁棒性和泛化能力，提高预测精度。

摘要： 本实用新型公开一种表情、声音、动作混合自发微表情采集装置，第一摄像模块配置有第一摄像头，第二摄像模块配置有第二摄像头，第三摄像模块配置有第三摄像头，第一摄像模块通过第一摄像头采集用户的面部表情信息，第二摄像模块通过第二摄像头采集用户一侧的肢体动作信息，第三摄像模块通过第三摄像头采集用户另外一侧的肢体动作信息，第一摄像头、第二摄像头和第三摄像头呈三角形排列；语音采集模块与中央处理器连接，语音采集模块采集用户的声音信息；显示模块显示向用户进行提问的问题信息。本技术方案在采集面部微表情动作的同时，记录测试者的语音和肢体动作；更加准确地实现微表情的识别，可以应用在刑侦、医学、教育、心理、安防领域。