深度学习下的微表情研究难题:数据捕捉困难,耗时长、样本小

深度学习下的微表情研究难题:数据捕捉困难,耗时长、样本小
2019年10月21日 15:28 澎湃新闻

那些看似不经意的微表情暴露着人们企图掩饰的内心世界。近日,2019CNCC微表情检测和识别论坛在苏州举行,参会人员对微表情数据库建立进展,情绪泄露与欺骗的关系、基于深度学习的微表情分析以及未来可能应用领域进行了探讨。

面部表情是情感表达的主要窗口。美国心理学家艾伯特·梅·拉别恩曾提出一个公式:情感表达=7%语言+38%声音+55%面部表情。达尔文在《人类和动物的表情》中也指出,面部表情是人类长期进化的结果。

表情一直都存在,只是随着信息化和图像识别技术的发展才得以被更深入认识。

通常,我们指的表情是宏表情,其实还存在两种难以被人察觉的表情:一种是强度非常低的弱表情;另一种是这次论坛的主题——持续时间非常短的微表情。

目前,微表情研究的三大方向包括微表情数据库的建立、微表情自动识别和标注技术以及微表情的测谎应用。

微表情数据库建立困难

2019CNCC微表情检测和识别论坛邀请了六位主讲嘉宾,其中京东数字科技的颜文靖博士、山东大学贲晛烨副教授分别以自己亲身经历为参会人员解读了微表情的标注以及微表情数据库的建立过程。

二人均指出,微表情的难以捕捉造成数据库建立困难。

贲晛烨讲解了山东大学在跨源面部宏/微表情数据库建立的经验。颜文靖则指出目前两种微表情的诱发机制,一种是模拟或表演微表情,例如USD-HD数据库;另一种是通过观看刺激性视频诱发微表情,例如CASME数据库。

颜文靖特别指出,目前应用更多的是后一种偏自然诱发的微表情数据库。截至目前微表情数据库样本量很小,难以突破的困境仍然是无法快速收集足够多的、质量高的微表情数据集。

据悉,微表情数据库建立的一个重要任务是对视频中的微表情进行标注。目前的微表情标注基于都依据美国心理学家保罗·艾克曼(Paul Ekman)于1976年提出的面部行为编码系统(FACS)。

微表情反映人类内心世界?

保罗·艾克曼认为,微表情不可控的自发性可以反映人类真实的内心情绪状态,因此微表情最成熟的应用就是测谎,比如人与人之间的信任关系,人的经济信用问题等。

那些看似不经意的微表情暴露着人们企图掩饰的内心世界。但用情绪泄露检测欺骗是否科学?是否是检测欺骗的唯一线索?论坛中,江西中医药大学的申寻兵副教授做了主题为“欺骗检测的情绪泄露线索”的汇报。他指出,情绪泄露提示大概率存在欺骗,但情绪泄露不等于欺骗。测谎要综合考察微表情之外更多的泄露通道,比如瞳孔、语音等。

情感计算是强人工智能的核心技术

目前,机器人的情绪识别与类人情绪的产生同时受到计算机界以及心理学界的广泛关注。

因此,论坛还邀请了两位跨领域研究的学者将计算机技术与心理学理论结合为参与人员带来汇报。

东南大学博士生导师郑文明教授做了“从宏表情到微表情的情感识别”主题汇报;西安交通大学博士生导师洪晓鹏研究员做了“基于深度学习的自动微表情分析”主题汇报,两人介绍了微表情自动识别及其智能应用。

参会人员希望,未来微表情的研究成果不仅基于测谎技术应用到安检、审讯等领域,还能有开阔的应用领域,比如构建以情感机器人为核心的面向孤独症儿童的社交辅助系统、应用到三维动画影视中等等。

本次论坛由中国科学院心理研究所副研究员王甦菁博士主持。

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部