【人机交互技术】人脸表情识别技术综述（感觉写的比较简单）

表情识别技术综述

Abstract:Facial expression recognition is the key research direction in many fields such as machine vision, pattern recognition and artificial intelligence. It has become a research hotspot of many scholars and experts. As a research direction of emotion calculation, facial expression recognition constitutes the basis of emotional understanding and an important prerequisite for realizing human-computer interaction intelligence. This paper reviews the definition and development history of facial expression recognition technology, and introduces the main methods and applications of facial expression feature extraction and facial expression recognition in the past five years. Finally, through facial expression recognition at home and abroad. The actual application is studied, and the current challenges and shortcomings of facial expression recognition and future development prospects are analyzed.
摘要：人脸表情识别是机器视觉、模式识别和人工智能等众多领域的重点研究方向,目国内外多名专家学者都在针对此领域进行研究。人脸的表情不仅可以传达表达心情、传递情绪，而且在人际交往中也起到重要的作用。因此，研究人脸表情识别显得尤为重要。本文主要介绍了人脸表情识别技术的定义、发展历史，列举了近年来国内和国外专家学者对于人脸表情识别的主要方法和应用，最后通过对国内外人脸表情识别的研究情况，分析得出人脸表情识别目前的挑战与不足以及未来的发展前景。

1引言

1.1人脸表情识别的定义
    动态视频中提取出人的表情状态，从而进一步识别出对象的心理状态[5]。这项技术可是是计算机更能理解人的情绪，并能根据人类在不同环境中的面部表情对人的心理活动做出判断并给与相应回应。人脸表情识别主要由：人脸检测、人脸表情特征提取和表情分类三部分组成。本文将在下文当前流行的各种表情提取方法及简要介绍和对比。
1.2人脸表情识别的发展历程
    有关人脸面部表情的研究在心理学和医学界由来已久，但在计算机人脸表情识别领域却起步较晚。
关于面部识表情识别最早的研究是在1978年，Suwa和Sugie等人[6]对一段面部视频关键点的外表做了一个预先实验。但由于当时计算能力的限制，面部表情研究在很长一段时间内不受专家学者关注。
90年代初，Mase等[7]使用光流法实现自动提取特征的研究的成功使面部表情识别逐渐回到大家的视野中。
    2001年，Tian等[8]将AU用于面部识别分析的研究开自动表情研究的先河。
    近些年来，许多专家学者不断创新，像Gabor滤波器[9]、光流法和局部二值模式(Local Binary Pattern, LBP)[10]或两者之间的组合[11]的方法不断被采用。初次之外，在自动面部表情识别领域，诸如自发面部表情检测、复杂精神状态分析研究等的新的领域也不断被开辟。
1.3人脸表情识别的应用
    当前人脸表情识别技术正处于蓬勃的发展期，其技术手段也应用到了包括人机交互、安全、机器人制造、医疗、游戏和汽车制造等不同领域。在安全方面，例如贩子分子的测谎工作，如果仅仅依靠人力观察和可能因为评判标准不一和表情遗漏造成误判，此时就需要使用具有表情识别能力的计算机来辅助判断。在机器人制造、医疗方面，如在临床治疗和服务行业中结合人脸表情识别可以使机器人更能理解人的心理活动，从而为人们提供更加准确、周到的服务。在游戏方面，已经推出有像Dancing Face等类似表情识别的相关的游戏，并取得了不错的反响。在汽车领域主要进行了针对人脸表情对驾驶人员进行是否疲劳驾驶的判断，在赵磊的基于深度学习和面部多源动态行为融合的驾驶员疲劳检测方法研究[21]中利用人脸识别技术对驾驶员疲劳状况的加测取得了较为准确的结果。

2人脸表情识别的过程

    基于计算机的人脸表情识别主要分为三步即人脸检测、表情特征提取以及表情分类。通常情况下，进行人脸表情识别的图像或视频中存在其他环境的干扰信息，因此人脸检测相当于在待处理的视频或