面部表情測量方法

⑴ 人們的情緒是否有共同的面部表情模式

你好：

面部表情是否反映了內心感覺? 或是一種影響他人的社會交往裝置?這一直是情緒研究領域的爭論焦點。

將面部表情作為人的情緒一個關鍵線索加以探索研究的30後在評論家開始皺起了眉頭，他們說，面孔不象人們所認為的是情緒的鏡像。

60年代末，舊金山加州大學的Paul Ekman博士和特拉華大學的Carroll Izard博士通過建立表情與一組基本情緒之間的聯系重新開展情緒研究，從此以後採用面部表情來測量人的情緒在心理學中佔有顯著地位。

許多人接受了這種觀點，面部表情為了解人的情感提供了鑰匙。但近年來心理學方面的文獻充滿了對其貶低的激烈的攻擊文字，聲稱在面部表情和情緒之間並不存在一一對應關系。事實上他們認為，沒有證據表明在某人面部表現與他內心感覺之間存在某種聯系。

然而，柏克萊加州大學的Joseph Campos博士認為，這種沖突掩蓋了大家均贊同的一些主要部分，存在的本質性的相同之處為，他人可以通過觀測某個人的面部、聲音、身體姿勢和手勢來預測此人下面將會做些什麼。

爭論的焦點在於面部是否表現出某個人的內心狀態。象Izard等贊成者認為絕對是這樣的。而象聖巴巴拉加州大學的Alan Fridlund博士則對此堅決地否定。其他人，包括Campos和Ekman則處於兩種觀點之間，認為面部肯定能提供有關情緒的重要信息，但它是只許多工具中的一種，而不能象有些研究人員那樣將其作為情緒測量的「金標准」，特別在對兒童的研究中有這種傾向。

Campos指出，面部是情緒的組成部分，但如果把它作為研究人的情緒體驗的中心問題，就象研究一輛汽車時只研究其傳動系統一樣。不是傳動不重要，但它只是整個系統的一部分。

根據人們用代表同樣基本情緒（如微笑代表喜悅、皺眉代表憤怒等）的文字對典型的面部表情照片進行分類的研究結果，Ekman和Izard 最先提出通過仔細地測量面部表情來評估人的真實情感的想法。自70 年代

⑵ 面部表情的作用啊，定義啊，影響

你好：

面部表情是否反映了內心感覺? 或是一種影響他人的社會交往裝置?這一直是情緒研究領域的爭論焦點。

將面部表情作為人的情緒一個關鍵線索加以探索研究的30後在評論家開始皺起了眉頭，他們說，面孔不象人們所認為的是情緒的鏡像。

60年代末，舊金山加州大學的Paul Ekman博士和特拉華大學的Carroll Izard博士通過建立表情與一組基本情緒之間的聯系重新開展情緒研究，從此以後採用面部表情來測量人的情緒在心理學中佔有顯著地位。

許多人接受了這種觀點，面部表情為了解人的情感提供了鑰匙。但近年來心理學方面的文獻充滿了對其貶低的激烈的攻擊文字，聲稱在面部表情和情緒之間並不存在一一對應關系。事實上他們認為，沒有證據表明在某人面部表現與他內心感覺之間存在某種聯系。

然而，柏克萊加州大學的Joseph Campos博士認為，這種沖突掩蓋了大家均贊同的一些主要部分，存在的本質性的相同之處為，他人可以通過觀測某個人的面部、聲音、身體姿勢和手勢來預測此人下面將會做些什麼。

爭論的焦點在於面部是否表現出某個人的內心狀態。象Izard等贊成者認為絕對是這樣的。而象聖巴巴拉加州大學的Alan Fridlund博士則對此堅決地否定。其他人，包括Campos和Ekman則處於兩種觀點之間，認為面部肯定能提供有關情緒的重要信息，但它是只許多工具中的一種，而不能象有些研究人員那樣將其作為情緒測量的「金標准」，特別在對兒童的研究中有這種傾向。

Campos指出，面部是情緒的組成部分，但如果把它作為研究人的情緒體驗的中心問題，就象研究一輛汽車時只研究其傳動系統一樣。不是傳動不重要，但它只是整個系統的一部分。

根據人們用代表同樣基本情緒（如微笑代表喜悅、皺眉代表憤怒等）的文字對典型的面部表情照片進行分類的研究結果，Ekman和Izard 最先提出通過仔細地測量面部表情來評估人的真實情感的想法。自70 年代

⑶ 研究面部表情會產生什麼樣的結果

研究實驗是從提取兩種面部特徵來進行的，其中一個是定義人類面部各器官的標准，通過測量它們之間距離在短時間內發生的變化，來研究人類情緒的變化。有趣的是，科學家們發現：在人的面部小范圍內，五官做同樣的距離變化時，有可能會導致產生模稜兩可的結果。比方說，對於某些人來講，很明顯是高興的面部表情，也可能被其他人誤解為悲哀或者厭惡。

⑷ 臉型的准確測試

下面是幾種常見的臉型分類法： 1、形態觀察法這種分類法比較簡單，您可以把臉全部露出來拍張正面照，用筆在臉上的上下左右兩側對應地畫些記號並連接起來，你便得到了一張自己的臉型圖。分為十種類型：(1)橢圓形臉型;(2)卵圓形臉型;(3)倒卵圓形臉型;(4)圓形臉型;(5)方形臉型;(6)長方形臉型;(7)菱形臉型;(8)梯形臉型;(9)倒梯形臉型;(10)五角形臉型。亞洲人臉型的八種類型：(1)三角形臉型;(2)卵圓形臉型;(3)圓形臉型;(4)方形臉型;(5)長圓形臉型;(6)杏仁形臉型;(7)菱形臉型;(8)長方形臉型。2、字形分類法中國人根據臉型和漢字的相似之處對臉型的一種分類方法。通常分為八種：(1)田字形臉型;(2)國字形臉型;(3)由字形臉型;(4)用字形臉型;(5)目字形臉型;(6)甲字形臉型;(7)風字形臉型;(8)申字形臉型。臉型給人的印象1、田字型臉(圓臉型)：給人年輕可愛的印象，但缺少稜角，感覺不成熟、不穩重。2、國字型臉(方型臉)：感覺剛硬有餘，柔美不足。3、目字型臉(長臉型)：給人老成、刻板的印象，整個面部缺乏柔和生動的感覺。4、由字型臉(正三角型臉)：兩頰顯肥大。5、甲字型臉(倒三角型臉)：接近於標准臉型。6、申字型臉(菱形臉)：給人精明，清高的感覺。缺少親和力。理想臉部的比例自測1、發際到眼角距離=眼角到嘴角距離2、發際到眉梢距離=眉梢到鼻翼距離3、鼻翼寬度=眼睛寬度4、嘴的寬度比兩眼角間距稍大5、兩眼間距離是眼睛的寬度6、眉梢在眼梢與鼻翼的連接線上「三點一線」是指眉頭、內眼角、鼻翼三點構成一垂直直線。自測臉部脂肪最直接的方法就是捏膚法。當你拉起臉部皮膚厚度超過1cm，頸部超過0.5cm，MM可以要當心啦，你的臉部脂肪已經超標啦，趕快瘦臉吧!瓜子臉的美學原理理想瓜子臉的長與寬比例為34∶21，瓜子臉上部略圓，下部略尖，形似瓜子，一般又稱為鵝蛋臉。在眾多臉型之中，瓜子臉是最美的一種臉型。臉的類型影響臉型美的部位及其整形術1.頜與臉型美下頜是人的臉型美中的重要結構，占面容的1/4。它決定臉型的下半部分，只有下頜和面部其他器官相互和諧才能有五官端正和諧的面部輪廓。人的容貌美主要體現在臉的下半部，因為下半部有從鼻到唇、從唇到頦兩個「S」形曲線，這是最能體現臉部曲線美的部位。而臉的長短、下半部的形狀，則主要取決於頜骨的形狀和大小。所以說，頜骨在容貌美中有特殊的重要性。瓜子臉既成為美麗的楷模，現代女性為了追求「美人臉」，或不惜代價「動刀動槍」，或夜以繼日按摩不息。人們在面部整形的時候，動大手術往往是拿頜骨開刀。大餅臉是公認的一種不美臉型，其特徵是下頜角部及耳前寬大，往往還伴有咬肌的肥大，因此，要想讓臉型變成「瓜子臉」，進行下頜角截骨、部分咬肌切除、頰脂肪墊摘除、墊下巴這幾個手術可以讓臉型得到改善。2.額與臉型美額在臉的上部，是比較平坦的部位。額部發育良好，才能顯示出頭部健康而富有生命力的美麗姿容。額是智慧的象徵，有了額部的優美曲線，人的容貌才獲得精神性格的體現。根據額平面與頭部冠狀面所形成的角度，可將額部分為明顯傾斜型、中等傾斜型和直立微斜型三類。額部微微突起並緩和地過渡到鼻根，額、鼻的角度約為135°，從額至鼻尖形成一條「S」形曲線，使面部更為柔和婉媚。前額太大或太小都不好，太大會讓人覺得呆頭呆腦;太小則顯得天庭不夠飽滿，缺少智慧。4.頰與臉型美頰位於面部的兩側，上起顴弓，下至下頜下緣，前界在鼻唇溝，後界在嚼肌前緣。頰部的美是由面部肌膚和脂肪形成的柔軟、光滑而富有彈性的紅撲撲的臉頰所展示給我們的青春美和健康美。女性頰部的美學意義在於它參與面部表情，協助口唇表達笑容，輔助說話、吮吸和咀嚼活動。臉部的豐滿度在很大程度上也是由頰部決定的，頰部在微笑時能為容貌平添風采。3.顴與臉型美顴骨位於臉的中部，它主要通過與鼻、顳部和頰的關系來影響面部美。我國東南地區如廣東、廣西和福建等地，高顴骨的臉型較多。他們的主要臉型特徵是額和顴骨突出，眼眶下陷，顴骨的特徵則是向前、向外突出，使得顳部和臉頰凹陷、低平，鼻根也很扁平，這種臉型多為菱形臉。按照突出程度，以及對鼻樑和頰的遮蓋程度，可以將顴骨分為三級：Ⅰ級，顴骨體突出，從側面看鼻頰間界線被顴骨所遮蓋;Ⅱ級，顴骨體中等發達，鼻頰間界線大部分可見;Ⅲ級，顴骨不突出，顴骨從前面逐漸轉向側面，鼻頰間界線清晰。顴骨與鼻和頰和諧統一，臉型的中部自然平緩，這樣的容貌具有魅力;如果顴骨過於肥大，就會破壞臉型的和諧，只有通過顴骨整形手術才能改變臉型。顴骨塑形顴骨主要由顴突(臉正面部分)和顴弓(由顴突延伸到臉側太陽穴的部分)兩部分組成，它們分別從正面和側面兩個重要的視覺角度影響臉形的美觀。如果顴突太大，從側面45度看，會給人向前凸的感覺，而微笑時顴骨往往也會堆起兩塊肌肉，如果顴弓太大，會使臉形橫向發展，正面給人以寬大的感覺。臉盤的大小不但取決於下頜骨的大小，還取決於顴骨，顴弓的大小，有些寬臉盤的人不但要去除部分下頜骨，有時還要去除部分顴骨、顴弓。

⑸ （心理學考研）簡述現代面部表情測量技術的特點

1.面部活動單位測量舉例
埃克曼最初制訂的「面部感情記錄技術」（FAST）是一個關於與具體情緒相聯系的面部運動的設計。FAST把面部分為額—眉區、眼—瞼區、鼻頰—口唇區三個部位，它可以測量愉快、驚奇、厭惡、憤怒、懼怕、悲傷六種情緒。後來，他在FAST的基礎上制訂一個盡最大可能區分面部運動的綜合系統，一個能區分所有可以觀察到的面部行為的測量圖式，稱為FACS。FACS可以測量絕大部分精細分化的面部活動。它的精細程度是以可靠的、可觀察到的辨認為標准。它把面部活動分割為最小的活動單位，又能把這些活動單位合並起來說明任何面部運動。
FACS的制訂是埃克曼等研究者在自己的面孔上進行測量的。他們刺激一塊塊肌肉組織，引起它們放電，用照相方式記錄此時面容的變化。個別有重疊的肌肉組織難以確切辨認時，也使用神經刺激。但由於這種方法使實驗者感到不舒服，所以，只有在有懷疑不能確定時才採用。這樣得到兩種材料，一種是引起活動的肌肉組織列表，一種是引起面容變化的照片。然後從這樣取得的整套照片中，把每塊肌肉的運動和所引起的面容變化進行匹配，辨認出哪個面容變化是由哪組肌肉運動引起的。這種比較和辨認若與一張無肌肉運動、無表情的照片同時進行就更加容易。由於有時一塊肌肉可以分出幾個活動，又有時幾塊肌肉才引起面容的一種變化，因此，FACS採取的測量是以面容活動為單位，稱為活動單位（AU），而不是以肌肉為單位，也就是一個單一活動單位可以包括一塊或幾塊肌肉組織。FACS共列出24種單一活動單位（見表1）。
埃克曼等在工作中發現，多數面容變化是幾個活動單位加在一起而發生的。於是又把那些可明顯辨認的加在一起的活動單位列成表格，共有19種這樣的復合活動單位。他們對每個復合活動單位都作了與單一活動單位同樣的詳細的描述。埃克曼等在這些加在一起的各個活動單位所引起的面容變化中還發現，加在一起的各個活動單位之間存在著主導、次要、競爭、對抗的關系，從而規定了在這種情形下測量的規則和方法。例如，當一個活動單位顯示為明顯的活動跡象成為主導活動單位時，則略去對顯示為不明顯的次要活動單位的記分。

⑹ 可鑒別的多特徵聯合稀疏表示人臉表情識別方法

基於稀疏表示的人臉表情識別系統研究

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2015）25-0137-03
人臉的表情包含了人體行為的情感信息和心理信息，這是人們在進行非語言的交流時所採取最有效的手段。人們可以根據表情來充分地將自己的思想以及情感表達出來，同時根據人臉表情來對對方內心世界和對方的態度來加以了解，所以說人臉的表情在日常生活當中扮演著極為重要的角色。表情能夠將很多的語言以及聲音不能夠表達出來的信息給表達出來，其在醫療和語言學以及相關的服務行業中都在發揮著極為重要的作用。
1 人臉表情識別的技術現狀
1.1 提取人臉表情特徵
由於提取人臉表情特徵採取的圖像類型不一樣，對此我們可以將其分成靜態表情的圖像特徵進行提取以及序列表情的圖像特徵進行提取這兩種。第一種提取的是表情靜止時的特徵，第二種提取的是表情在運動過程中的特徵，對於第一種的提取方法一般為Gabor小波，主成份分析（PCA）以及線性的判斷分析（LDA）等的方法；而針對與第二種的提取方法有特徵點跟蹤，查分圖像法以及光流法等。
1）提取靜態的表情特徵的常用方法
PCA主要是用在抽取原始特徵以及降維，這種方法運算的中心思想是把二維的圖像轉為一維向量，根據從大到小的排列順序對特徵值以及特徵向量加以調整，並且通過K-L的變換投影獲得正交基，對其加以取捨進而得到人臉的表情特徵其子空間。其實際上識別表情的過程就是把測試的樣本進行比較投影進表情特徵的子空間里，之後再將其跟測試的樣本加以比較判定出它的表情類別。Gabor小波這種方法是現在我們比較常用的一種表示特徵的方法，它能夠有效地將環境噪音加以清除，使提取的圖像特徵有效加強，主要是通過圖像在不同方向不同尺度上的頻率信息對圖像的特徵加以表明。
2）提取變動的表情特徵常用的方法
對於序列圖像特徵加以提取的代表性方法就是光流法。這種方法在1981年被第一次提出，主要是根據對視頻圖像里的表情特徵光流加以計算進而得到每一個特徵點的運動情況，這就是表情特徵。
第一種提取特徵的方法它採集較方便，計算更快捷，但是不能夠對更大時間和空間信息加以探知。而第二種提取特徵的方法雖可以對運動的表情信息加以提取，進而使得到的識別效果較好，但這種方法其計算的數據量較龐大，且具有很高的重復率，實際的操作當中比較困難。因此從目前來看，提取表情特徵應該朝著將各種提取方法相互融合來對信息加以特徵提取。
1.2傳統的人臉表情識別系統中存在的問題
對於人類表情識別的研究中可以依據人類對不同的表情加以區別上獲得啟發，但運用計算機的視覺技術准確地對人臉表情進行識別的系統，實際運用中還有很多難題。
1） 不容易建立起理想的人臉表情相關模型
因為人臉是比較柔的，所以把人的表情和情感進行分類，在此基礎上再建立一個模型，把人類的表情特徵以及情感信息再相對應這就顯得十分的困難。
2）表情資料庫不完善
現在很多研究的實驗結果都是在各自研究團隊里研發出來的表情資料庫的基礎上得到的，我們知道每一個表情庫由於噪音或者是光照等環境方面的影響都各不相同，再加上每個表情庫里的人臉圖像在文化，種族當中都存在著比較大的區別，所以實驗的結果應該多次加以重復驗證，增加推廣能力。
3）學科方法和技術有自身的局限性
盡管我們在對人臉識別的系統中研究工作正在逐步加深，得到了很大的進步，但因為很多的研究者都是自己展開工作，在新技術和新方法將優點充分發揮出來的同時也不可避免地有著自身的局限性，多種技術相互融合上面的工作開展得還比較慢。
2 提取改進LBP的人臉表情特徵
局部二元模式（LBP）指的是一個能描述運算元的有效圖像紋理特徵，根據存在於圖像中的任意一點和它相鄰那點的灰度值中發生的大小關系來判定圖像中部分紋理空間構造，從這方面上來看，它有旋轉和抗亮度變化的能力。
2.1 原始的LBP運算元
LBP一開始先將圖像中各個像素點之間的灰度值加以計算，將在各個像素點和跟她相鄰的點存在於灰度值上的二值關系加以計算，根據計算後得出的二指關系根據相應規則來形成局部二值的模式，同時將多區域的直方圖序列當做這個圖像的一個二值模式。

圖1 基本的LBP運算元計算的過程
一個基本的LBP運算元應該是上圖1所示那樣，將其定義成3*3的窗口，有8個鄰域的像素點，把窗口中心點的灰度值對窗口內的像素點其灰度值執行二值化，再依據不同的像素點位置來加權求和，進而得到這個窗口LBP編碼值。
2.2 改進的LBP運算元
從上面我們可以知道原始的演算法自身紋理描述力是很強的，但在特定的局域內，原始LBP運算元只考慮到了存在於中心像素點跟鄰域的像素點之間灰度值的差異，把中心像素點作用以及鄰域像素點其灰度值之間的互相關系忽略掉了，因而造成在某些情況下把局部的結構特點信息有所忽略。如下圖2就是某種特定的情況。圖2 原始的LBP運算元在特定情形中的編碼
圖2中所產生的11111111主要是對暗點以及會讀平坦的區域進行檢測，可以說是特徵檢測器。我們在此基礎上，對原始的LBP運算元進行改進，根據使一位二值編碼增加的方式來加以擴展，提出了多重心化的二值模式也就是MLBP，具體的改進過程如圖3所示。

圖3 改進的LBP運算元計算的過程（P=8、R=1）
由圖3中獲得的兩個8位子編碼將其當做獨立的兩 個MLBP的自編碼，繼而對所有模式直方圖加以計算，根據這個直方圖來加以分類或者是識別。LBP具體的演算法公式如下：

在這當中，N，R分別表示的是臨域點的個數和半徑，gc表示的是像素點，gn表示的是它的臨域點。根據這個改進的MLBP運算元我們可以看出，它根據使一位二值的編碼增加的形式，在將原始LBP運算元的優勢得到保持前提下，將中心像素點作用和鄰域像素點二者間灰度值的關系又加以利用。跟原始的相比，改進的運算元並沒有時特徵模式有所增加，而且還可以將原始的運算元中沒有考慮到的中心像素點和鄰域像素點灰度值間關系產生的結構特點提取出來，讓其鑒別能力得到提高。
3 人臉識別系統的設計
3.1 系統構成
該系統主要是被硬體平台以及軟體開發的平台這兩部分構成。硬體平台指的就是那些採集圖像的設備和計算機系統，而軟體開發的平台就是本文中所描述到的在上述所說的演算法中改進開發出來的一種人臉識別的系統。
3.2 系統軟體
系統軟體的構造。系統軟體可以劃分成以下兩個部分。首先是獲取圖像，當進入到主界面中時，點擊打開圖像或者是打開視頻，系統初始化的硬體設備能夠根據直接打開的靜態表情圖像或者是視頻等，來對人臉表情圖像進行獲取並將圖像顯示出來，之後再對人臉開始進行檢測和定位。其次，就是提取相應的表情特徵並對其進行識別。
下面為了對該系統在進行識別表情時的效果進行驗證，本文進行了幾組對比實驗。先將Gabor跟采樣降維相結合的特徵提取方式下得出的不同分類器效果加以比較，再將該系統下的分類跟其他的分類器效果進行比較。具體如下圖4所示。

圖4 不同的分類器下表情識別比較圖
在圖4中，橫坐標1-7分別表示的是生氣、厭惡、恐懼、高興和瓶頸、傷心以及驚奇，數字8表示的是所有的表情。
結論：
根據圖4我們可看出，在特徵提取條件相同情況下，整體實驗數據中稀疏表示明顯比另兩種分類型的性能要好，而且BP神經網路分類效果也非常良好，但是最近鄰之間的分類器的精準度沒有前兩種表現得好。
該文中運用的這種提取特徵方法的效果明顯比Gabor跟采樣降維相結合的方法效果要好。
上面進行的對比實驗，充分驗證了本文中的分類系統的優越感。下面跟文獻中已經有的方案進行對比，具體如下圖5所示。
[不同人臉表情識別方法＼&識別率＼&Gabor+彈性模板匹配[5]＼&80%＼&特徵塊PCA+最近鄰分析器[8]＼&75.45%＼&本文方法＼&85.71%＼&]
圖5 跟文獻中含有的方案進行比較效果
根據圖5所示，我們可以看出，跟其他文獻中採用的方法來看，本文採用的方法在表情識別上有著明顯的優勢。具體的我們還可以從下圖6的人臉表情識別界面中看到本文中設計的人臉識別系統具體應用情況。

圖6 人臉表情識別的界面
3.3簡析人臉識別演算法
1）優點
這種演算法將以前在迭代過程中的迭矩陣計算大大簡化，而且在識別的速度上也得到了有效的提升，能跟隨光照的變化進行有效的識別，對人臉進行識別的主要困難就是遮擋、單樣本等這些問題，而稀疏表示在這些問題的前提下仍然能具備潛在的發展力，我們可以進一步對其加以研究，這也是現在研究的一個重點方向。
2） 缺點
在上面實驗中我們發現其分類器表現出了良好的使用效果，但這種演算法也存在著一些不足之處，由於數據量不斷地增加，稀疏表示分類需要的時間也會隨之而增加。此外，這種表示方法雖然在速度上明顯優於其他，但是其產生的識別率並不是很高，也就是說不能准確地對表情進行有效識別。
4 展望人臉表情識別的系統
這種新型的對人臉表情加以識別的系統利於將人們的生活品質提高。當人們一旦從比較寒冷的地方或者是比較炎熱的地方回到室內時，可以根據這個表情識別的系統快速地把人們面部表情與最佳溫度中人臉表情相對比，進而讓空調自動把室內的溫度調轉至最佳。此外，在醫療行業中，可以將表情識別運用到電子護士護理中來。尤其是對於那些重症病人，在對其進行治療的過程中可以根據這個具有表情分析能力的機器人護士對病人實行實時的看管護理。除以上幾點外，在對兒童實行教育時也可以將其應用其中，可以根據兒童在某種情形下所產生的表情以及行為進行具體分析和觀察，有效挖掘他們潛在的氣質和能力，引導我們更好地對兒童實行教育，促進兒童的健康成長。
5 結語
綜上所述，對人臉表情加以識別是具有很大挑戰的新興課題，筆者主要對存在於人臉表情識別演算法中的問題進行了簡要的分析，並在此基礎上提出了改進的演算法進而提出了對人臉表情加以識別的系統。但從目前來看，我國關於人臉識別的系統研究當中還存在著一些問題，因此，對於我們來說將更加智能化的關於人臉表情識別的系統加以實現還是一個十分艱巨的任務，還需要我們不斷的努力。
參考文獻：
[1] 趙曉龍. 安防系統中的基於稀疏表示的人臉識別研究[D].西北大學，2014.
[2] 朱可. 基於稀疏表示的人臉表情識別[D].西北大學，2013.
[3] 萬川. 基於動態序列圖像的人臉表情識別系統理論與方法研究[D].吉林大學，2013.
[4] 歐陽琰. 面部表情識別方法的研究[D].華中科技大學，2013.
[5] 王哲偉. 基於稀疏表示殘差融合的人臉表情識別[D].五邑大學，2011.
[6] 張慕凡. 基於稀疏表示的人臉識別的應用研究[D].南京郵電大學，2014.
[7] 趙曉. 基於稀疏表示的人臉識別方法研究[D].北京工業大學，2013.
[8] 何玲麗. 基於核稀疏表示的人臉識別方法研究[D].湖南大學，2014.

⑺ 人臉識別方法

【什麼是人臉識別】

是人工智慧范疇里，生物識別中的一個類別，人體的生物特徵具有唯一性和不易被復制的良好特性，人臉與人體的其它生物特徵（指紋、虹膜等）一樣與生俱來，為身份鑒別提供了必要的前提。

【與其它類型的生物識別比較人臉識別具有的特點】

人臉是人們熟悉的識別方式，傳統的人臉識別技術主要是基於可見光圖像的人臉識別，已有30多年的研發歷史。但在環境光照發生變化時，這種方式有著難以克服的缺陷，無法滿足實際系統的需要，識別效果會急劇下降。

現代的人臉識別技術主要靠三維圖像人臉識別，和熱成像人臉識別這兩種方案解決光照問題，但這兩種技術還遠不成熟，識別效果不盡人意。

人臉識別技術

第三：非強制性

幾乎可以在無意識的狀態下就可獲取人臉圖像，用戶不需要專門配合人臉採集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像。

第四：操作簡單

操作簡單、結果直觀、符合視覺「以貌識人」的特性。並且隱蔽性極好。

【人臉識別技術缺點】

第一：在用戶不配合、採集條件不理想的情況下，現有系統的識別率將陡然下降。

第二：用戶剃了鬍子、換了發型、多了眼鏡、變了表情會與系統中存儲的人臉有出入，可能引起比對失敗。

希望本篇回答可以幫助到你~

望採納~

⑻ 情緒測量的三種方法

別人問你情緒如何時該如何作答？是回答一個數字？一種顏色？還是平面坐標系裡的一個點？
Robin Barooah和我共同寫了這本關於情緒追蹤的書，歡迎來到第二章。這一章我們將介紹各種測量情緒的方法。希望你會喜歡，如果有任何遺漏的地方，記得留言給我們！

-

情緒是如何測量的？

有沒有想過：別人問你情緒如何時該如何作答？是回答一個數字？一種顏色？還是平面坐標系裡的一個點？可能都不會。你的答案可能是一些詞，以及身體語言和面部表情，還可能是對一些導致你當前心情事件的描述。

問問題的人按自己的理解將這些拼湊起來，得出一個你現在心情如何的結論。可這個結論是如何被獲取和記錄，跟別人的情緒相比較，甚至是跟你早先的情緒相比較的呢？有標準的可重復的方法來測量情緒嗎？一種即能廣泛適用又能滿足個體差異的方法？

答案是......也許。人們嘗試了各種方法來量化情緒，從心理評估到在線調色板再到電話通話分析。我們將在這里一一探討，並對一些不斷進行的爭論進行討論。請把這看作是在情緒追蹤時空荒蠻大地上的一次旅行吧。

心境狀態量表（POMS -Profile of MoodStates)——黃金標准

如果你想知道臨床和科研是如何用心理評估來測量情緒波動的，答案就是心境狀態量表（POMS)。這項評估由65個表達情感的形容片語成，每個都用0-4來打分，0=完全沒有；1=有一點；2=一般；3=相當多；4=非常地。答案再組成7個維度，讓你對自己的情緒狀態有一個總體的認識：

生氣-有敵意

迷惑-慌亂

抑鬱-沮喪

疲倦-無力

緊張-焦慮

有精神-活躍

友善

心境狀態量表（POMS)的第二個表是專門為燥鬱症設計的。所以維度略有不同：

興高采烈的-沮喪的

鎮靜的-焦慮的

自信的-不確定的

和藹的-有敵意的

頭腦清醒的-迷惑的

精力旺盛的-疲倦的

心境狀態量表（POMS）的缺點是問題不能隨便排列，必須要找一位有資質的專業人士來排序。

環形模型（Circumplex）VS.評估空間模型（Evaluative Space Model）-積極情緒和消極情緒是對立的嗎？

快樂和悲傷是對立的還是可以同時存在？對此心理學家間存有爭議。你可以同時既快樂又悲傷嗎？

環形模型派持否認態度。他們把感情放在一個二維坐標系裡， 一個軸從不快樂到快樂，也叫「效價」，另一個從非活動到活動，也叫「激發」。根據自我感覺到的積極度和活力度，你可以在坐標系中標出一個合適的點來記錄自己的情緒，並追蹤這個點隨時間的走向。

活動

緊張的 警覺的

焦慮的 激動的

壓力大的 興高采烈的

心煩的 高興的

不快樂 快樂

悲哀的 滿足的

沮喪的 安詳的

無聊的 放鬆的

疲憊的 平靜的

非活動

但可評估空間派對此並不贊同。他們認為感受到的情緒雖然大多非此即彼，但生活中也有悲喜交加的時刻。據此，我們應該分別測量消極和積極的情緒。

還有研究表明，不同個體對情緒的感受也不盡相同。有的人感受到的情緒很極端，有的則可以在同一時間點有多種感受但彼此獨立，還有的雖然感到情緒相互依存但並非非此即彼。故而無法確定有哪種理論可以對所有人都適用。

事實上，科學家們在最根本的問題上都存有爭議，比如我們在同一時間點是否能感受到多種情緒，或我們對情緒的感受方式是否相同，這讓我們有足夠理由相信這個領域對自我實驗最為合適。我們每個人都能以科學家無法達到的方式進入自己的個人經驗，我們可以為自己回答這些問題並將獲得的知識加以應用，同時自信我們的成果可以應用於自身

⑼ 什麼是人臉表情識別技術

人臉表情識別系統主要包括三個部分：人臉檢測與定位、特徵提取及表情分類。建立一個FER系統，首先要通過外部器件如攝像頭等獲取圖像，在圖像中進行人臉檢測，確定輸入圖像中是否有人臉，在有人臉的情況下確定人臉的位置和大小。這一環節的研究已成為一個獨立的方向；然後對人臉進行特徵提取，得到反映表情特徵的關鍵信息。最後對得到的表情特徵向量進行分類，得到表情所屬的類別，如AU組合或基本表情類別