面部表情分析的幾個(gè)常見任務(wù)和基本算法

發(fā)布時(shí)間：2021-09-14 點(diǎn)擊次數(shù)：1982

　　面部表情分析是計(jì)算機(jī)通過分析人臉信息嘗試?yán)斫馊祟惽楦械囊环N技術(shù)，目前已成為計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)話題。其挑戰(zhàn)在于數(shù)據(jù)標(biāo)注困難、多人標(biāo)簽一致性差、自然環(huán)境下人臉姿態(tài)大以及遮擋等。為了推動(dòng)面部表情分析發(fā)展，本文概述了面部表情分析的相關(guān)任務(wù)、進(jìn)展、挑戰(zhàn)和未來趨勢(shì)。首先，簡(jiǎn)述了面部表情分析的幾個(gè)常見任務(wù)、基本算法框架和數(shù)據(jù)庫；其次，對(duì)人臉表情識(shí)別方法進(jìn)行了綜述，包括傳統(tǒng)的特征設(shè)計(jì)方法以及深度學(xué)習(xí)方法；接著，對(duì)人臉表情識(shí)別存在的問題與挑戰(zhàn)進(jìn)行總結(jié)思考；最后，討論了未來發(fā)展趨勢(shì)。通過全面綜述和討論，總結(jié)以下觀點(diǎn)：

　　1)針對(duì)可靠人臉表情數(shù)據(jù)庫規(guī)模小的問題，從人臉識(shí)別模型進(jìn)行遷移學(xué)習(xí)以及利用無標(biāo)簽數(shù)據(jù)進(jìn)行半監(jiān)督學(xué)習(xí)是兩個(gè)重要策略；

　　2)受模糊表情、低質(zhì)量圖像以及標(biāo)注者的主觀性影響，非受控自然場(chǎng)景的人臉表情數(shù)據(jù)的標(biāo)簽庫存在一定的不確定性，抑制這些因素可以使得深度網(wǎng)絡(luò)學(xué)習(xí)真正的表情特征；

　　3)針對(duì)人臉遮擋和大姿態(tài)問題，利用局部塊進(jìn)行融合的策略是一個(gè)有效的策略，另一個(gè)值得考慮的策略是先在大規(guī)模人臉識(shí)別數(shù)據(jù)庫中學(xué)習(xí)一個(gè)對(duì)遮擋和姿態(tài)魯棒的模型，再進(jìn)行人臉表情識(shí)別遷移學(xué)習(xí)；

　　4)由于基于深度學(xué)習(xí)的表情識(shí)別方法受很多超參數(shù)影響，導(dǎo)致當(dāng)前人臉表情識(shí)別方法的可比性不強(qiáng)，不同的表情識(shí)別方法有必要在不同的簡(jiǎn)單基線方法上進(jìn)行評(píng)測(cè)。目前，雖然非受控自然環(huán)境下的表情分析得到較快發(fā)展，但是上述問題和挑戰(zhàn)仍然有待解決。

　　人臉表情分析是一個(gè)比較實(shí)用的任務(wù)，未來發(fā)展除了要討論方法的精度也要關(guān)注方法的耗時(shí)以及存儲(chǔ)消耗，也可以考慮用非受控環(huán)境下高精度的人臉運(yùn)動(dòng)單元檢測(cè)結(jié)果進(jìn)行表情類別推斷。

人因工程與工效學(xué): 人機(jī)工程、人的失誤與系統(tǒng)安全、人機(jī)工效學(xué)、工作場(chǎng)所與工效學(xué)負(fù)荷等

安全人機(jī)工程: 從安全的角度和著眼點(diǎn)，運(yùn)用人機(jī)工程學(xué)的原理和方法去解決人機(jī)結(jié)合面安全問題

交通安全與駕駛行為: 人-車-路-環(huán)境系統(tǒng)的整體研究，有助于改善駕駛系統(tǒng)設(shè)計(jì)、提高駕駛安全性、改善道路環(huán)境等

用戶體驗(yàn)與交互設(shè)計(jì): ErgoLAB可實(shí)現(xiàn)桌面端、移動(dòng)端以及VR虛擬環(huán)境中的眼動(dòng)、生理、行為等數(shù)據(jù)的采集，探索產(chǎn)品設(shè)計(jì)、人機(jī)交互對(duì)用戶體驗(yàn)的影響

建筑與環(huán)境行為: 研究如何通過城市規(guī)劃與建筑設(shè)計(jì)來滿足人的行為心理需求，以創(chuàng)造良好環(huán)境，提高工作效率

消費(fèi)行為與神經(jīng)營(yíng)銷: 通過ErgoLAB采集和分析消費(fèi)者的生理、表情、行為等數(shù)據(jù)，了解消費(fèi)者的認(rèn)知加工與決策行為，找到消費(fèi)者行為動(dòng)機(jī)，從而產(chǎn)生恰當(dāng)?shù)臓I(yíng)銷策略使消費(fèi)者產(chǎn)生留言意向及留言行為