在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習下的AI微表情研究

mK5P_AItists ? 2019-09-28 01:31 ? 次閱讀

人是善于通過表情偽裝情緒的動物,但心理學家卻能夠通過“微表情”來揭示人們試圖隱藏的真實情緒。 所謂微表情,是一種持續時間極短、在人們試圖掩飾自己真實情緒時泄露出來的面部動作。 如果看過美劇《Lie to Me》,應該對微表情不會陌生。男主卡爾?萊特曼是一個微表情專家,他不需要借助測謊儀之類的設備,也不需要收集各種證據,甚至不需要對話,只需要觀察細微的表情變化便可以判斷一個人是否說謊。 之所以能夠這樣,是因為人們在體驗情緒時會有一系列肌肉動作不自覺地表現出來。 例如人們在憤怒時,眉毛會緊皺下垂,,眼瞼和嘴唇緊張:

或者一個人在對事物表示驚訝時,下顎會自然下垂,嘴唇和嘴巴放松,眼睛張大,眼瞼和眉毛會微微上抬:

當然,我們知道面部表情是可以受主觀意識控制,例如一個人可能因其知識、閱歷、能力等原因,在內心波濤洶涌的時候做到面不改色。然而,微表情是面部肌肉條件反射地表現出情緒所對應的行為。正是因為如此,微表情往往能夠揭示人類試圖隱藏的真實情緒。 但正如對微表情的定義,微表情持續時間短暫、變化幅度微弱和動作區域較少,很多時候人們很難注意到其存在。只有那些經過大量訓練的專家才能準確地檢測,而且不同的專家還往往會判斷不一致。靠人工來觀察微表情真的是一個耗費人力、耗費時間,而且準確度低的事情! 停! 耗費人力物力、工作機械、需要大量專家……這不正是機器學習所擅長的嗎?事實上,目前已有許多學者在用機器學習的方法進行微表情研究了。

一、方法

對微表情的研究,在方法上事實上類似于人臉識別,一般包含檢測和識別兩個具體問題。 對于人臉識別,一般都是先進行人臉檢測,然后對檢測到的人臉進行識別。這個過程同樣也適用于微表情識別:先從一段長視頻中把發生微表情的視頻片段檢測出來,然后識別該微表情屬于哪一類微表情。


人臉檢測和微表情檢測 微表情檢測,就是指在一段視頻流中,檢測出是否包含微表情,并標記微表情的起點(onset)、峰值(apex)和終點(offset)。起點(onset) 是指微表情出現的時間;峰值(apex) 是指微表情幅度最大的時間; 終點(offset) 是指微表情消失的時間。 微表情識別是指給定一個已經分割好的微表情片斷,通過某種算法,識別該微表情的情緒種類(例如厭惡、悲傷、驚訝、憤怒、恐懼、快樂等)。如同三維動態表情識別一樣,其處理的對象是視頻片斷,而不只是單幅圖像。對其處理過程中,不僅要考慮空間上的模式,還要考慮時間上的模式。所以許多微表情識別的算法都考慮了時空模式。 相對于微表情檢測來說,微表情識別的難度要小一點。所以對微表情的研究一般從微表情識別開始入手。 不過對微表情的檢測和定位往往會更有實用價值。如果能在一段視頻中準確地檢測和定位到某個時間點有微表情出現,那么就說明這個人在這個時間點上可能會有異常。

二、數據集

事實上對于微表情研究,最難的是如何收集足夠多的、質量高的微表情數據集。 目前微表情數據庫并不多,已知的有:USF-HD數據庫,Polikovsky數據庫, SMIC數據庫, CASME數據庫, CASME II數據庫,SAMM數據庫,CAS(ME)2數據庫。在這八個數據庫中,前兩個都是非自然誘發的,且非公開的。 另外5個數據集,CASME、CASME II、CAS(ME)2是中國科學院心理研究所傅小蘭團隊所建立,SMIC是由芬蘭奧魯大學趙國英團隊建立。各個數據集的細節如下表所示:

五個公開發表的微表情數據庫 需要強調的是,這些數據庫的樣本量都非常小,到目前為止,公開發表的微表情樣本只有不到800個。是典型的小樣本問題。這就造成當前基于深度學習的方法在微表情問題上無法完全發揮出它應有的威力。 事實上,微表情數據庫的建立非常困難。一個原因是微表情的誘發很難,研究者往往要求被試觀看情緒視頻,激發他們的情緒同時要求他們偽裝自己的表情。有些被試可能并沒有出現微表情或者出現得很少。 另一方面,微表情的編碼也十分費時費力。微表情的編碼依賴于肉眼,需要觀察者慢速觀看視頻,并且選擇臉部運動的起始、高峰、結束并計算他們的時長。而且對于微表情的情緒標定,目前沒有統一的標準。 微表情數據庫面臨的另外的問題。因為微表情的運動幅度非常小,并且相對于常規表情常常是局部的運動,導致在情緒分類上并不是很明確,所以不同數據庫的情緒標定標準不一樣,所以相似的運動被作為不同類的微表情而不同的運動被視作為同類的表情。這一特點導致使用各種數據庫進行微表情識別算法訓練得出的結果并不一致。 此外,由于微表情持續時間短、強度低且經常是局部運動,現在的許多微表情數據庫視頻質量并不能滿足微表情識別分析的需要,這需要具有更高的時間和空間分辨率的視頻片段才能進一步改進目前的識別算法。 一句話:微表情建庫,重要性非常高,問題非常多,困難非常大。

三、現狀

近幾年來,微表情受到越來越多學者們的關注。

2009-2016年計算機科學領域中微表情論文發文量的統計(數據來自Scopus) 上圖對2009-2016年計算機科學領域中微表情論文發文量進行了統計。可以看出,近三年來,有關微表情論文的發文量在急劇增長。2009-2016年一共發文81篇,其中2016年就發文30篇,占總數37%。特別是2013年兩個微表情數據庫(CASME和SMIC)公開發布以后,微表情相關的論文發文量逐年遞增。 目前,國外做的較好的以芬蘭奧魯大學趙國英團隊為主,他們為微表情識別提出了一個系統的框架,并且公開以布了一個微表情數據庫SMIC。其他包括馬來西亞Multimedia大學的John See團隊、英國曼徹斯特都會大學的Moi Hoon Yap團隊、美國南佛羅里達大學的Shreve、日本筑波大學的Polikovsky和日本早稻田大學Yao等。 而國內做微表情檢測和識別的科研機構主要有中國科學院心理研究所傅小蘭團隊,前面提到的三個數據庫都是他們建立的。其次還有東南大學鄭文明團隊、山東大學賁晛燁團隊、復旦大學張軍平團隊、清華大學劉永進團隊、中山大學的鄭偉詩團隊等。可以看出,國內在這方面有相對較多的研究隊伍。 從微表情論文發文數量可以看出,微表情檢測和識別的研究屬于一個小眾的研究。其限制的主要原因在于大規模、高質量、公開的數據資源的稀缺。所以,用機器學習方法做微表情研究,面臨的一個重要的問題便是:如何建立大規模、高質量的數據庫資源。這面臨著從硬件,到軟件,到標準的一系列嚴峻挑戰。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • AI
    AI
    +關注

    關注

    87

    文章

    34198

    瀏覽量

    275357
  • 人臉識別
    +關注

    關注

    76

    文章

    4069

    瀏覽量

    83659
  • 深度學習
    +關注

    關注

    73

    文章

    5554

    瀏覽量

    122478

原文標題:深度學習下的微表情研究:困難、進展及趨勢

文章出處:【微信號:AItists,微信公眾號:人工智能學家】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    表情識別-深度學習探索情感

    來源:易百納技術社區 隨著人工智能技術的不斷進步,深度學習成為計算機視覺領域的重要技術。表情識別作為人類情感分析的一種重要手段,受到了越來越多的關注。本文將介紹基于
    的頭像 發表于 08-14 17:27 ?2728次閱讀
    <b class='flag-5'>微</b><b class='flag-5'>表情</b>識別-<b class='flag-5'>深度</b><b class='flag-5'>學習</b>探索情感

    善用“表情”打動面試官

    。  10種“表情”分析  1.微笑,代表自信;而偏頭微笑,則表示自在、友善。  2.指尖搭成塔尖,深具自信。研究指出,若緊張時雙手十指是難以一
    發表于 01-02 15:42

    【技術雜談】用AI讀懂人心?情感科學專家:靠表情識別情緒不靠譜

    `AI 能否識別人類感情?原則上來說,AI 可以通過語音識別、視覺識別、文字識別、表情識別等數據,結合深度學習,再加上人工的標記,從而具備識
    發表于 07-30 04:30

    【瑞芯RK1808計算棒試用申請】基于機器學習的視覺機械臂研究與設計

    項目名稱:基于機器學習的視覺機械臂研究與設計試用計劃:申請理由本人在深度學習領域有四年開發經驗,申請理由:基于視覺的機械臂伺服控制系統,并根據計算機視覺相關的理論知識,構建了一個完整的
    發表于 09-23 15:39

    人工智能AI-卷積神經網絡LabVIEW之Yolov3+tensorflow深度學習有用嗎?

    介紹:人工智能AI到來,工業上很多學員不了解C#中labview中如何調用tensorflow進行深度學習模型的訓練和調用,推出一整套完整的簡易學的視頻課程,使學員能在沒有任何深度
    發表于 11-27 11:19

    基于深度學習的異常檢測的研究方法

    異常檢測的深度學習研究綜述原文:arXiv:1901.03407摘要異常檢測是一個重要的問題,在不同的研究領域和應用領域都得到了很好的研究
    發表于 07-12 07:10

    基于深度學習的異常檢測的研究方法

    ABSTRACT1.基于深度學習的異常檢測的研究方法進行結構化和全面的概述2.回顧這些方法在各個領域這個中的應用情況,并評估他們的有效性。3.根據基本假設和采用的方法將最先進的深度異常
    發表于 07-12 06:36

    射頻系統的深度學習【回映分享】

    本文由回映電子整理分享,歡迎工程老獅們參與學習與評論內容? 射頻系統中的深度學習? Deepwave Digital技術? 信號檢測和分類示例? GPU的實時DSP基準測試? 總結回映電子是一家
    發表于 01-05 10:00

    什么是深度學習?使用FPGA進行深度學習的好處?

    ) 來解決更復雜的問題,深度神經網絡是一種將這些問題多層連接起來的更深層網絡。這稱為深度學習。目前,深度學習被用于現實世界中的各種場景,例如
    發表于 02-17 16:56

    AI表情包生成搞笑文字說明

    制作表情包還能獲得研究生學分?如果使用深度學習技術來實現的話,是有可能的。
    的頭像 發表于 07-31 17:38 ?8086次閱讀

    AI在汽車中的應用:實用深度學習

    AI在汽車中的應用:實用深度學習
    發表于 11-01 08:26 ?0次下載
    <b class='flag-5'>AI</b>在汽車中的應用:實用<b class='flag-5'>深度</b><b class='flag-5'>學習</b>

    面部表情識別應用方法

    監控、醫療保健等領域。 常見的面部表情識別方法包括:基于人臉圖像的特征提取和匹配方法、基于深度學習的模式識別方法、基于神經網絡的方法等。其中,基于深度
    的頭像 發表于 04-20 18:16 ?3654次閱讀

    面部表情識別研究:解讀情緒的密碼

    是一種通過計算機算法分析面部表情,從而理解人類情緒的技術。它結合了圖像處理、機器學習、人工智能等多個領域的知識。這種技術有許多潛在的應用,包括人機交互、社交媒體監測、心理健康診斷等。 近年來,深度
    的頭像 發表于 08-14 18:09 ?1217次閱讀

    面部表情識別技術的最新研究進展

    面部表情識別技術是人工智能領域的研究熱點之一,對于揭示情感狀態和心理狀況具有重要意義。本文將介紹面部表情識別技術的最新研究進展,包括深度
    的頭像 發表于 08-21 17:58 ?1608次閱讀

    AI大模型與深度學習的關系

    AI大模型與深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 一、深度學習
    的頭像 發表于 10-23 15:25 ?2688次閱讀
    主站蜘蛛池模板: 久国产精品久久精品国产四虎 | 久久精品五月天 | 在线免费观看91 | 天堂影 | 久久国产伦三级理电影 | 日本免费一级视频 | 免费网站啪啪大全 | 色妇视频| 午夜精品久久久久久久2023 | 亚洲一区免费在线观看 | 亚洲码欧美码一区二区三区 | 日韩一级片在线免费观看 | 天天干干天天 | 91天天操 | 香港三级在线视频 | 亚洲午夜小视频 | 久久国产免费福利永久 | 国产手机免费视频 | 特色毛片| 亚洲免费黄色网址 | 四虎影午夜成年免费精品 | 国产色妞妞在线视频免费播放 | 四虎免费大片aⅴ入口 | 四虎影院在线视频 | 最刺激黄a大片免费观看 | 婷婷中文网 | 刺激第一页720lu久久 | 第四色成人网 | 亚洲伦理一区 | 韩国a级床戏大尺度在线观看 | 国模极品一区二区三区 | 中文字幕区 | 国产福利影视 | 日日添天天做天天爱 | 夜夜操伊人 | 波多野结衣在线一区 | 狠狠色狠狠色综合婷婷tag | 欧美a网站| 久久精品免费视频观看 | 免费观看视频网站 | 97午夜影院 |