知人知面能知心：面部动作编码系统的编制与应用

缺乏有效的测量工具,长期以来制约了面部表情研究的深入和交流。Ekman等开发的面部动作编码系统作为首个能全面、客观地对面部动作进行量化测量的技术,在几十年不断发展完善过程中,已成为有关领域中运用最广的测量指标。完善和拓展计分工具,开发自动识别系统,并对当前计分系统进行本土化修订,应成为今后工作的方向。     

面部表情与中西方文化差异

人与人之间的交流包括文字交流与非文字交流。身体语言是一种重要的非文字交流方式。由于文化的多元化,肢体语言也不同。身体语言包括很多方面,每个方面都能体现出不同国家的文化差异。然而,如今关于身体语言与中西文化差异的这个领域研究不完善、不系统。本文通过分析面部表情在不同的文化中代表的不同含义,探究身体语言的不同所体现出的中西方文化差异。     

面部表情研究的生物观和社会观

面部表情在社会互动中扮演着重要角色.面部表情研究中主要存在两种观点,即面部表情的生物观和社会观.面部表情和情绪体验既具有一致性,又存在特定的分离性;面部表情既具有跨文化的普遍性,也存在跨文化的变异性.     

自闭症儿童面部表情识别的干预研究综述

对他人面部表情的识别是一种重要的心理能力和社交技巧。自闭症儿童在识别他人面部表情时有一定困难,影响了他们的社会交往,因而对自闭症儿童面部表情识别的干预非常必要。通过对自闭症儿童面部表情识别干预的已有研究进行梳理分析,总结了两大类干预方法:一是社会技能课程干预技术,即将面部表情识别作为社交技能的一部分,通过社交技能训练课程,如角色扮演游戏,改善自闭症面部表情识别能力;二是情绪识别干预技术,即设计专门的情绪识别课程或软件改善自闭症儿童面部表情识别能力。最后指出已有研究存在的问题及其发展趋势。     

基于模糊LDA/CCA的面部表情识别

提出了一种新颖的基于典型相关分析（CCA）的模糊判别分析方法（fuzzy—LDA／CCA）,并应用于面部表情识别问题．首先为每幅表情图像建立一个相关联的类模糊隶属度矢量,用于表示表情图像与基本表情类别的隶属关系,在此基础上应用CCA方法建立表情图像同表情类别的关系表达式,最后通过对表情图像的类隶属度矢量的估计来实现表情的分类．此外,还将fuzzy—LDA／CCA方法在核空间中进行了非线性推广,从而来解决非线性判别分析的问题．实验证明提出的方法获得了更好的识别效果．     

自闭症儿童面部表情识别特征及干预策略研究

自闭症儿童的面部表情识别是情绪理解重要前提,与包括背景性质、眼部、嘴部的信息和表情信息等存在紧密的联系。目前对自闭症儿童面部表情识别的研究刚起步,各个方面的研究存在争议和矛盾,仍有许多研究领域尚未被涉及。文章仅在探讨国内相关研究的基础上,对当前自闭症儿童面部表情识别的研究取得的成果和有待解决的问题进行了评价和总结,并就自闭症儿童干预方面提出了建议。     

目视行为和面部表情的文化差异

文中所讨论的文化差异是指中国汉族文化与西方国家(主要是英美国家)文化的差异,特别是容易引起跨文化交际障碍的非语言交际方式——目视行为与面部表情。本文从跨文化交际的角度论述了中西方在目视行为和面部表情方面的文化差异,强调了全面了解和正确对待中西方文化差异的重要意义。     

面部表情识别中眼睛的线索作用

目的:检验面部表情识别中眼睛的线索作用及发展变化趋势。方法:采用不同情绪中的眼睛和嘴鼻部制成的面部表情合成照片,不同年龄阶段的被试对刺激图片进行主观判断。结果:面部表情识别中眼睛线索和嘴鼻部线索作用存在显著差异;不同情绪条件下的眼睛和嘴鼻部的作用有显著差异;情绪识别中,三个年龄群体的眼睛线索作用存在显著差异。结论:总体上,面部表情识别中眼睛线索作用较弱;识别伤心情绪时,眼睛线索作用较大,识别开心情绪时,眼睛线索作用较小;随着年龄增长,眼睛线索作用逐渐增大。     

舞蹈表演中面部表情的应用

舞蹈表演是指将舞蹈动作、造型和技巧与音乐结合,塑造出不同的舞蹈形象,传达作品的思想内容。面部表情是舞蹈作品的灵魂表现形式,对舞蹈表演起到了决定性作用。面部表情具有感性化、类型化和虚拟化的艺术表现特点。艺术的表现形式多样,但任何艺术形式的表现都是为了完美的表达作品。面部表情与肢体语言相结合才能展现出作品的精髓,塑造近乎完美的舞蹈形象。     

浅析舞蹈表演中面部表情的特征及作用

舞蹈作为一门艺术其艺术表现形式有多种,其中面部表情对于舞蹈表演中来说是一种重要的形式。在舞蹈表演过程中,表演中要表演的舞蹈形象的内心世界都要借助面部表情来表达出来。舞蹈形象内心的喜怒哀乐的表达也是舞蹈美感的重要体现。笔者通过分析舞蹈表演面部表情的虚拟化、感性化、类型化的特点。最后通过面部表情特点的分析论证了其在舞蹈表演中的作用。     

人脸表情识别研究的新进展

人脸表情识别是当前计算机视觉、模式识别、人工智能等领域的热点研究课题。它是智能人机交互技术中的一个重要组成部分,近年来得到广泛的关注,不同领域的研究者提出了许多新方法。本文综述了国内外近年来人脸表情识别技术的最新发展状况,对人脸表情识别系统所涉及到的关键技术:人脸表情特征提取和人脸表情分类,分别做了详细分析和归纳。最后,总结了人脸表情识别的研究现状,并指出了其未来的发展方向。     

AAM和PCA-SVM在人脸表情识别中的应用

介绍了AAM基本理论,提出基于AAM＋PCA＋SVM的人脸表情识别方法.首先获取人脸样本的纹理模型和形状模型,然后利用主成分分析（PCA）建立AAM模型,将该统计模型的AAM应用到人脸特征点定位,对人脸表情进行特征提取,将PCA训练用于识别的支持向量机过程中,并进行分类.实验表明该方法降低了算法的时间复杂度,定位准确率高,同时不影响人脸表情的识别率.     

基于GAN的图像超分辨率方法研究

图像超分辨率是一种采用软件算法提高图像空间分辨率的技术,由于传统超分辨率方法超清程度有限,基于深度学习的图像超分辨率方法成为研究者们近年来的研究重点。基于生成对抗网络（GAN）的图像超分辨率方法,在其网络模型结构基础上增加批处理归一化（BN）层以提升网络收敛速度、加强网络训练稳定性,更改上采样层网络并对损失函数作相应修改。在网络训练过程中,选择当前比较通用的Adam优化器。实验结果表明,该方法具有很好的超分辨率图像重建能力,且在训练过程中训练稳定性得到提升,收敛速度也有所加快。     

改进朴素贝叶斯算法的人脸表情识别

传统图像特征提取具有较高维度缺陷,造成算法分类效率低、复杂度高、分类速度慢、计算开销大等问题.为此提出AAM算法,定位关键点提取人脸表情几何特征.将朴素贝叶斯分类器结合特征属性重要度调节高斯核函数,使用K近邻算法实现分类决策,提出一种WNBC-KNN分类方法,从降低数据维度和分类算法两方面优化人脸表情分类.在CK+数据...     

传统机器学习与深度学习的表情识别综述

面部表情识别是计算机视觉热门领域。表情识别技术使得计算机能够理解人类的情绪,具有广阔应用前景。针对基于传统机器学习和深度学习的表情识别方法进行研究,首先归纳表情识别领域常用的公开数据集;然后从传统的机器学习和深度学习角度介绍表情识别基本流程与常见方法;最后指出表情识别领域存在的问题,并对未来可能的发展方向进行了总结。     

基于特征点配准形变的三维人脸表情合成

针对视频监控中被部分遮掩脸部图像的还原不准问题,提出了特征点配准形变的三维人脸表情合成算法.将目标人脸图像灰度化后建立三角人脸网络,提取人脸未遮掩部分特征点,与通用模型特征点配准,形变而合成新的网络人脸模型.从正面及侧面分别进行表情纹理映射,根据光照参数、老化参数合成三维正面及侧面人脸表情纹理图像.实验证明,提出的算法相对于同类合成算法,时间复杂度较低,精确度较高,鲁棒性较强,且随特征点被遮掩程度的增大,其优势更明显.     

基于改进SVM的人脸表情识别技术研究

结合Gabor小波变换的特征提取算法提出了一种基于决策模板的多分类支持向量机.该方法在对JAFFE基本表情数据库进行训练并测试时获得了较高的正确率,实验结果表明该方法是一种有效的表情识别算法.     

莫扎特音乐对幼儿表情识别能力的影响

本研究考察莫扎特音乐以及不同诱发唤醒度和不同情绪类型的音乐对3～5岁幼儿面部表情(高兴、悲伤和中性表情)识别的影响。结果表明:与同是高唤醒度正性情绪的音乐相比,具有高结构性和周期性的莫扎特音乐反而会对幼儿的表情识别产生干扰;而聆听低唤醒度负性情绪的音乐有利于幼儿大脑达到适当的觉醒水平,进入适当的情绪状态,从而对其表情识别产生促进作用。