王甦菁 王俨 李婧婷 东子朝 张建行 刘烨

    摘 ?要?长久以来， 微表情的小样本问题始终制约着微表情分析的发展， 而小样本问题归根到底是因为微表情的数据标注十分困难。本研究希望借助面部肌电作为技术手段， 从微表情数据自动标注、半自动标注和无标注三个方面各提出一套解决方案。对于自动标注， 提出基于面部远端肌电的微表情自动标注方案; 对于半自动标注， 提出基于单帧标注的微表情起止帧自动标注; 对于无标注， 提出了基于肌电信号的跨模态自监督学习算法。同时， 本研究还希望借助肌电模态， 对微表情的呈现时间和幅度等机理特征进行拓展研究。

    关键词?图像标注， 微表情分析， 远端面部肌电， 微表情数据标注

    分类号?B841

    1?问题提出

    正如俗语“知人知面不知心”所说， 要洞察他人的心理状态是十分困难的。随着深度学习技术的发展， 人脸识别技术的性能得到了显着提升， 其准确率已经超过了人类的能力。除了人的身份识别之外， 通过面部的微表情分析他人的心理状态的研究在近些年正在兴起， 并且具有很高的挑战性。微表情可以被广泛地应用于国家安全、公安审讯、心理疾病预诊、学校教育、卫生防疫等领域。

    微表情产生机理可以追述到1872年查尔斯·达尔文(Charles Darwin)在他的著作《人与动物的情感表达》(Darwin， 1872)中指出， 一些面部表情是无法抑制的， 即便有极大的主观努力也无法做到完全抑制。后来神经心理学研究发现， 自主和非自主表情受两种不同的神经通路控制。同时， 心理学家Paul Ekman (Ekman & Friesen， 1969)也假设微表情是自主表情与非自主表情之间对抗的产物(Rinn， 1984)。它可能是表达情绪之前的自主抑制过程中的泄漏， 或者是在表情呈现后的截断 ......