人脸表情识别综述

2020-03-13叶继华祝锦泰江爱文李汉曦左家莉

数据采集与处理 2020年1期

叶继华，祝锦泰，江爱文，李汉曦，左家莉

（江西师范大学计算机信息工程学院，南昌，330022）

引言

人脸表情是一种非常重要的语言交往方式，也是人与人之间进行沟通的重要手段。1971年，Ekman等[1]第一次将表情划分为 6种基本形式，包括悲伤（Sad）、高兴（Happy）、恐惧（Fear）、厌恶（Disgust）、惊讶（Surprise）和愤怒（Angry）。随着面部表情研究的发展与深入，基于运动单元（Action unit，AU）的面部动作编码系统（Facial action coding system,FACS）被提出，其通过分析运动单元的运动特征及其对应区域来说明与之联系的相关表情。

人脸表情识别（Facial expression recognition,FER）技术是将生理学、心理学、图像处理、机器视觉与模式识别等研究领域进行交叉与融合，是近年来模式识别与人工智能领域研究的一个热点问题。人脸表情识别在计算机视觉、社会情感分析、刑事案件侦破与医疗诊断等方面有着广泛的应用。

人脸表情识别是人脸识别[2]的进一步发展，主要包括了3个基本步骤，即人脸图像预处理、面部特征提取与表情分类，如图1所示。图像预处理主要是对原始图像进行检测与分割[3]。本文主要对传统的面部表情特征提取与表情分类方法以及基于深度学习的表情识别方法进行归纳与总结。表情数据集是表情识别研究中重要的一部分，本文对各表情数据集进行了介绍与分析，总结了各数据集普遍存在的问题，并针对这些问题，介绍了几种数据增强的方法。最后，总结了目前表情识别研究中存在的问题，并对其未来的发展作出了展望。