面部表情测量方法

⑴ 人们的情绪是否有共同的面部表情模式

你好：

面部表情是否反映了内心感觉? 或是一种影响他人的社会交往装置?这一直是情绪研究领域的争论焦点。

将面部表情作为人的情绪一个关键线索加以探索研究的30后在评论家开始皱起了眉头，他们说，面孔不象人们所认为的是情绪的镜像。

60年代末，旧金山加州大学的Paul Ekman博士和特拉华大学的Carroll Izard博士通过建立表情与一组基本情绪之间的联系重新开展情绪研究，从此以后采用面部表情来测量人的情绪在心理学中占有显着地位。

许多人接受了这种观点，面部表情为了解人的情感提供了钥匙。但近年来心理学方面的文献充满了对其贬低的激烈的攻击文字，声称在面部表情和情绪之间并不存在一一对应关系。事实上他们认为，没有证据表明在某人面部表现与他内心感觉之间存在某种联系。

然而，柏克莱加州大学的Joseph Campos博士认为，这种冲突掩盖了大家均赞同的一些主要部分，存在的本质性的相同之处为，他人可以通过观测某个人的面部、声音、身体姿势和手势来预测此人下面将会做些什么。

争论的焦点在于面部是否表现出某个人的内心状态。象Izard等赞成者认为绝对是这样的。而象圣巴巴拉加州大学的Alan Fridlund博士则对此坚决地否定。其他人，包括Campos和Ekman则处于两种观点之间，认为面部肯定能提供有关情绪的重要信息，但它是只许多工具中的一种，而不能象有些研究人员那样将其作为情绪测量的“金标准”，特别在对儿童的研究中有这种倾向。

Campos指出，面部是情绪的组成部分，但如果把它作为研究人的情绪体验的中心问题，就象研究一辆汽车时只研究其传动系统一样。不是传动不重要，但它只是整个系统的一部分。

根据人们用代表同样基本情绪（如微笑代表喜悦、皱眉代表愤怒等）的文字对典型的面部表情照片进行分类的研究结果，Ekman和Izard 最先提出通过仔细地测量面部表情来评估人的真实情感的想法。自70 年代

⑵ 面部表情的作用啊，定义啊，影响

你好：

面部表情是否反映了内心感觉? 或是一种影响他人的社会交往装置?这一直是情绪研究领域的争论焦点。

将面部表情作为人的情绪一个关键线索加以探索研究的30后在评论家开始皱起了眉头，他们说，面孔不象人们所认为的是情绪的镜像。

60年代末，旧金山加州大学的Paul Ekman博士和特拉华大学的Carroll Izard博士通过建立表情与一组基本情绪之间的联系重新开展情绪研究，从此以后采用面部表情来测量人的情绪在心理学中占有显着地位。

许多人接受了这种观点，面部表情为了解人的情感提供了钥匙。但近年来心理学方面的文献充满了对其贬低的激烈的攻击文字，声称在面部表情和情绪之间并不存在一一对应关系。事实上他们认为，没有证据表明在某人面部表现与他内心感觉之间存在某种联系。

然而，柏克莱加州大学的Joseph Campos博士认为，这种冲突掩盖了大家均赞同的一些主要部分，存在的本质性的相同之处为，他人可以通过观测某个人的面部、声音、身体姿势和手势来预测此人下面将会做些什么。

争论的焦点在于面部是否表现出某个人的内心状态。象Izard等赞成者认为绝对是这样的。而象圣巴巴拉加州大学的Alan Fridlund博士则对此坚决地否定。其他人，包括Campos和Ekman则处于两种观点之间，认为面部肯定能提供有关情绪的重要信息，但它是只许多工具中的一种，而不能象有些研究人员那样将其作为情绪测量的“金标准”，特别在对儿童的研究中有这种倾向。

Campos指出，面部是情绪的组成部分，但如果把它作为研究人的情绪体验的中心问题，就象研究一辆汽车时只研究其传动系统一样。不是传动不重要，但它只是整个系统的一部分。

根据人们用代表同样基本情绪（如微笑代表喜悦、皱眉代表愤怒等）的文字对典型的面部表情照片进行分类的研究结果，Ekman和Izard 最先提出通过仔细地测量面部表情来评估人的真实情感的想法。自70 年代

⑶ 研究面部表情会产生什么样的结果

研究实验是从提取两种面部特征来进行的，其中一个是定义人类面部各器官的标准，通过测量它们之间距离在短时间内发生的变化，来研究人类情绪的变化。有趣的是，科学家们发现：在人的面部小范围内，五官做同样的距离变化时，有可能会导致产生模棱两可的结果。比方说，对于某些人来讲，很明显是高兴的面部表情，也可能被其他人误解为悲哀或者厌恶。

⑷ 脸型的准确测试

下面是几种常见的脸型分类法： 1、形态观察法这种分类法比较简单，您可以把脸全部露出来拍张正面照，用笔在脸上的上下左右两侧对应地画些记号并连接起来，你便得到了一张自己的脸型图。分为十种类型：(1)椭圆形脸型;(2)卵圆形脸型;(3)倒卵圆形脸型;(4)圆形脸型;(5)方形脸型;(6)长方形脸型;(7)菱形脸型;(8)梯形脸型;(9)倒梯形脸型;(10)五角形脸型。亚洲人脸型的八种类型：(1)三角形脸型;(2)卵圆形脸型;(3)圆形脸型;(4)方形脸型;(5)长圆形脸型;(6)杏仁形脸型;(7)菱形脸型;(8)长方形脸型。2、字形分类法中国人根据脸型和汉字的相似之处对脸型的一种分类方法。通常分为八种：(1)田字形脸型;(2)国字形脸型;(3)由字形脸型;(4)用字形脸型;(5)目字形脸型;(6)甲字形脸型;(7)风字形脸型;(8)申字形脸型。脸型给人的印象1、田字型脸(圆脸型)：给人年轻可爱的印象，但缺少棱角，感觉不成熟、不稳重。2、国字型脸(方型脸)：感觉刚硬有余，柔美不足。3、目字型脸(长脸型)：给人老成、刻板的印象，整个面部缺乏柔和生动的感觉。4、由字型脸(正三角型脸)：两颊显肥大。5、甲字型脸(倒三角型脸)：接近于标准脸型。6、申字型脸(菱形脸)：给人精明，清高的感觉。缺少亲和力。理想脸部的比例自测1、发际到眼角距离=眼角到嘴角距离2、发际到眉梢距离=眉梢到鼻翼距离3、鼻翼宽度=眼睛宽度4、嘴的宽度比两眼角间距稍大5、两眼间距离是眼睛的宽度6、眉梢在眼梢与鼻翼的连接线上“三点一线”是指眉头、内眼角、鼻翼三点构成一垂直直线。自测脸部脂肪最直接的方法就是捏肤法。当你拉起脸部皮肤厚度超过1cm，颈部超过0.5cm，MM可以要当心啦，你的脸部脂肪已经超标啦，赶快瘦脸吧!瓜子脸的美学原理理想瓜子脸的长与宽比例为34∶21，瓜子脸上部略圆，下部略尖，形似瓜子，一般又称为鹅蛋脸。在众多脸型之中，瓜子脸是最美的一种脸型。脸的类型影响脸型美的部位及其整形术1.颌与脸型美下颌是人的脸型美中的重要结构，占面容的1/4。它决定脸型的下半部分，只有下颌和面部其他器官相互和谐才能有五官端正和谐的面部轮廓。人的容貌美主要体现在脸的下半部，因为下半部有从鼻到唇、从唇到颏两个“S”形曲线，这是最能体现脸部曲线美的部位。而脸的长短、下半部的形状，则主要取决于颌骨的形状和大小。所以说，颌骨在容貌美中有特殊的重要性。瓜子脸既成为美丽的楷模，现代女性为了追求“美人脸”，或不惜代价“动刀动枪”，或夜以继日按摩不息。人们在面部整形的时候，动大手术往往是拿颌骨开刀。大饼脸是公认的一种不美脸型，其特征是下颌角部及耳前宽大，往往还伴有咬肌的肥大，因此，要想让脸型变成“瓜子脸”，进行下颌角截骨、部分咬肌切除、颊脂肪垫摘除、垫下巴这几个手术可以让脸型得到改善。2.额与脸型美额在脸的上部，是比较平坦的部位。额部发育良好，才能显示出头部健康而富有生命力的美丽姿容。额是智慧的象征，有了额部的优美曲线，人的容貌才获得精神性格的体现。根据额平面与头部冠状面所形成的角度，可将额部分为明显倾斜型、中等倾斜型和直立微斜型三类。额部微微突起并缓和地过渡到鼻根，额、鼻的角度约为135°，从额至鼻尖形成一条“S”形曲线，使面部更为柔和婉媚。前额太大或太小都不好，太大会让人觉得呆头呆脑;太小则显得天庭不够饱满，缺少智慧。4.颊与脸型美颊位于面部的两侧，上起颧弓，下至下颌下缘，前界在鼻唇沟，后界在嚼肌前缘。颊部的美是由面部肌肤和脂肪形成的柔软、光滑而富有弹性的红扑扑的脸颊所展示给我们的青春美和健康美。女性颊部的美学意义在于它参与面部表情，协助口唇表达笑容，辅助说话、吮吸和咀嚼活动。脸部的丰满度在很大程度上也是由颊部决定的，颊部在微笑时能为容貌平添风采。3.颧与脸型美颧骨位于脸的中部，它主要通过与鼻、颞部和颊的关系来影响面部美。我国东南地区如广东、广西和福建等地，高颧骨的脸型较多。他们的主要脸型特征是额和颧骨突出，眼眶下陷，颧骨的特征则是向前、向外突出，使得颞部和脸颊凹陷、低平，鼻根也很扁平，这种脸型多为菱形脸。按照突出程度，以及对鼻梁和颊的遮盖程度，可以将颧骨分为三级：Ⅰ级，颧骨体突出，从侧面看鼻颊间界线被颧骨所遮盖;Ⅱ级，颧骨体中等发达，鼻颊间界线大部分可见;Ⅲ级，颧骨不突出，颧骨从前面逐渐转向侧面，鼻颊间界线清晰。颧骨与鼻和颊和谐统一，脸型的中部自然平缓，这样的容貌具有魅力;如果颧骨过于肥大，就会破坏脸型的和谐，只有通过颧骨整形手术才能改变脸型。颧骨塑形颧骨主要由颧突(脸正面部分)和颧弓(由颧突延伸到脸侧太阳穴的部分)两部分组成，它们分别从正面和侧面两个重要的视觉角度影响脸形的美观。如果颧突太大，从侧面45度看，会给人向前凸的感觉，而微笑时颧骨往往也会堆起两块肌肉，如果颧弓太大，会使脸形横向发展，正面给人以宽大的感觉。脸盘的大小不但取决于下颌骨的大小，还取决于颧骨，颧弓的大小，有些宽脸盘的人不但要去除部分下颌骨，有时还要去除部分颧骨、颧弓。

⑸ （心理学考研）简述现代面部表情测量技术的特点

1.面部活动单位测量举例
埃克曼最初制订的“面部感情记录技术”（FAST）是一个关于与具体情绪相联系的面部运动的设计。FAST把面部分为额—眉区、眼—睑区、鼻颊—口唇区三个部位，它可以测量愉快、惊奇、厌恶、愤怒、惧怕、悲伤六种情绪。后来，他在FAST的基础上制订一个尽最大可能区分面部运动的综合系统，一个能区分所有可以观察到的面部行为的测量图式，称为FACS。FACS可以测量绝大部分精细分化的面部活动。它的精细程度是以可靠的、可观察到的辨认为标准。它把面部活动分割为最小的活动单位，又能把这些活动单位合并起来说明任何面部运动。
FACS的制订是埃克曼等研究者在自己的面孔上进行测量的。他们刺激一块块肌肉组织，引起它们放电，用照相方式记录此时面容的变化。个别有重叠的肌肉组织难以确切辨认时，也使用神经刺激。但由于这种方法使实验者感到不舒服，所以，只有在有怀疑不能确定时才采用。这样得到两种材料，一种是引起活动的肌肉组织列表，一种是引起面容变化的照片。然后从这样取得的整套照片中，把每块肌肉的运动和所引起的面容变化进行匹配，辨认出哪个面容变化是由哪组肌肉运动引起的。这种比较和辨认若与一张无肌肉运动、无表情的照片同时进行就更加容易。由于有时一块肌肉可以分出几个活动，又有时几块肌肉才引起面容的一种变化，因此，FACS采取的测量是以面容活动为单位，称为活动单位（AU），而不是以肌肉为单位，也就是一个单一活动单位可以包括一块或几块肌肉组织。FACS共列出24种单一活动单位（见表1）。
埃克曼等在工作中发现，多数面容变化是几个活动单位加在一起而发生的。于是又把那些可明显辨认的加在一起的活动单位列成表格，共有19种这样的复合活动单位。他们对每个复合活动单位都作了与单一活动单位同样的详细的描述。埃克曼等在这些加在一起的各个活动单位所引起的面容变化中还发现，加在一起的各个活动单位之间存在着主导、次要、竞争、对抗的关系，从而规定了在这种情形下测量的规则和方法。例如，当一个活动单位显示为明显的活动迹象成为主导活动单位时，则略去对显示为不明显的次要活动单位的记分。

⑹ 可鉴别的多特征联合稀疏表示人脸表情识别方法

基于稀疏表示的人脸表情识别系统研究

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）25-0137-03
人脸的表情包含了人体行为的情感信息和心理信息，这是人们在进行非语言的交流时所采取最有效的手段。人们可以根据表情来充分地将自己的思想以及情感表达出来，同时根据人脸表情来对对方内心世界和对方的态度来加以了解，所以说人脸的表情在日常生活当中扮演着极为重要的角色。表情能够将很多的语言以及声音不能够表达出来的信息给表达出来，其在医疗和语言学以及相关的服务行业中都在发挥着极为重要的作用。
1 人脸表情识别的技术现状
1.1 提取人脸表情特征
由于提取人脸表情特征采取的图像类型不一样，对此我们可以将其分成静态表情的图像特征进行提取以及序列表情的图像特征进行提取这两种。第一种提取的是表情静止时的特征，第二种提取的是表情在运动过程中的特征，对于第一种的提取方法一般为Gabor小波，主成份分析（PCA）以及线性的判断分析（LDA）等的方法；而针对与第二种的提取方法有特征点跟踪，查分图像法以及光流法等。
1）提取静态的表情特征的常用方法
PCA主要是用在抽取原始特征以及降维，这种方法运算的中心思想是把二维的图像转为一维向量，根据从大到小的排列顺序对特征值以及特征向量加以调整，并且通过K-L的变换投影获得正交基，对其加以取舍进而得到人脸的表情特征其子空间。其实际上识别表情的过程就是把测试的样本进行比较投影进表情特征的子空间里，之后再将其跟测试的样本加以比较判定出它的表情类别。Gabor小波这种方法是现在我们比较常用的一种表示特征的方法，它能够有效地将环境噪音加以清除，使提取的图像特征有效加强，主要是通过图像在不同方向不同尺度上的频率信息对图像的特征加以表明。
2）提取变动的表情特征常用的方法
对于序列图像特征加以提取的代表性方法就是光流法。这种方法在1981年被第一次提出，主要是根据对视频图像里的表情特征光流加以计算进而得到每一个特征点的运动情况，这就是表情特征。
第一种提取特征的方法它采集较方便，计算更快捷，但是不能够对更大时间和空间信息加以探知。而第二种提取特征的方法虽可以对运动的表情信息加以提取，进而使得到的识别效果较好，但这种方法其计算的数据量较庞大，且具有很高的重复率，实际的操作当中比较困难。因此从目前来看，提取表情特征应该朝着将各种提取方法相互融合来对信息加以特征提取。
1.2传统的人脸表情识别系统中存在的问题
对于人类表情识别的研究中可以依据人类对不同的表情加以区别上获得启发，但运用计算机的视觉技术准确地对人脸表情进行识别的系统，实际运用中还有很多难题。
1） 不容易建立起理想的人脸表情相关模型
因为人脸是比较柔的，所以把人的表情和情感进行分类，在此基础上再建立一个模型，把人类的表情特征以及情感信息再相对应这就显得十分的困难。
2）表情数据库不完善
现在很多研究的实验结果都是在各自研究团队里研发出来的表情数据库的基础上得到的，我们知道每一个表情库由于噪音或者是光照等环境方面的影响都各不相同，再加上每个表情库里的人脸图像在文化，种族当中都存在着比较大的区别，所以实验的结果应该多次加以重复验证，增加推广能力。
3）学科方法和技术有自身的局限性
尽管我们在对人脸识别的系统中研究工作正在逐步加深，得到了很大的进步，但因为很多的研究者都是自己展开工作，在新技术和新方法将优点充分发挥出来的同时也不可避免地有着自身的局限性，多种技术相互融合上面的工作开展得还比较慢。
2 提取改进LBP的人脸表情特征
局部二元模式（LBP）指的是一个能描述算子的有效图像纹理特征，根据存在于图像中的任意一点和它相邻那点的灰度值中发生的大小关系来判定图像中部分纹理空间构造，从这方面上来看，它有旋转和抗亮度变化的能力。
2.1 原始的LBP算子
LBP一开始先将图像中各个像素点之间的灰度值加以计算，将在各个像素点和跟她相邻的点存在于灰度值上的二值关系加以计算，根据计算后得出的二指关系根据相应规则来形成局部二值的模式，同时将多区域的直方图序列当做这个图像的一个二值模式。

图1 基本的LBP算子计算的过程
一个基本的LBP算子应该是上图1所示那样，将其定义成3*3的窗口，有8个邻域的像素点，把窗口中心点的灰度值对窗口内的像素点其灰度值执行二值化，再依据不同的像素点位置来加权求和，进而得到这个窗口LBP编码值。
2.2 改进的LBP算子
从上面我们可以知道原始的算法自身纹理描述力是很强的，但在特定的局域内，原始LBP算子只考虑到了存在于中心像素点跟邻域的像素点之间灰度值的差异，把中心像素点作用以及邻域像素点其灰度值之间的互相关系忽略掉了，因而造成在某些情况下把局部的结构特点信息有所忽略。如下图2就是某种特定的情况。图2 原始的LBP算子在特定情形中的编码
图2中所产生的11111111主要是对暗点以及会读平坦的区域进行检测，可以说是特征检测器。我们在此基础上，对原始的LBP算子进行改进，根据使一位二值编码增加的方式来加以扩展，提出了多重心化的二值模式也就是MLBP，具体的改进过程如图3所示。

图3 改进的LBP算子计算的过程（P=8、R=1）
由图3中获得的两个8位子编码将其当做独立的两 个MLBP的自编码，继而对所有模式直方图加以计算，根据这个直方图来加以分类或者是识别。LBP具体的算法公式如下：

在这当中，N，R分别表示的是临域点的个数和半径，gc表示的是像素点，gn表示的是它的临域点。根据这个改进的MLBP算子我们可以看出，它根据使一位二值的编码增加的形式，在将原始LBP算子的优势得到保持前提下，将中心像素点作用和邻域像素点二者间灰度值的关系又加以利用。跟原始的相比，改进的算子并没有时特征模式有所增加，而且还可以将原始的算子中没有考虑到的中心像素点和邻域像素点灰度值间关系产生的结构特点提取出来，让其鉴别能力得到提高。
3 人脸识别系统的设计
3.1 系统构成
该系统主要是被硬件平台以及软件开发的平台这两部分构成。硬件平台指的就是那些采集图像的设备和计算机系统，而软件开发的平台就是本文中所描述到的在上述所说的算法中改进开发出来的一种人脸识别的系统。
3.2 系统软件
系统软件的构造。系统软件可以划分成以下两个部分。首先是获取图像，当进入到主界面中时，点击打开图像或者是打开视频，系统初始化的硬件设备能够根据直接打开的静态表情图像或者是视频等，来对人脸表情图像进行获取并将图像显示出来，之后再对人脸开始进行检测和定位。其次，就是提取相应的表情特征并对其进行识别。
下面为了对该系统在进行识别表情时的效果进行验证，本文进行了几组对比实验。先将Gabor跟采样降维相结合的特征提取方式下得出的不同分类器效果加以比较，再将该系统下的分类跟其他的分类器效果进行比较。具体如下图4所示。

图4 不同的分类器下表情识别比较图
在图4中，横坐标1-7分别表示的是生气、厌恶、恐惧、高兴和瓶颈、伤心以及惊奇，数字8表示的是所有的表情。
结论：
根据图4我们可看出，在特征提取条件相同情况下，整体实验数据中稀疏表示明显比另两种分类型的性能要好，而且BP神经网络分类效果也非常良好，但是最近邻之间的分类器的精准度没有前两种表现得好。
该文中运用的这种提取特征方法的效果明显比Gabor跟采样降维相结合的方法效果要好。
上面进行的对比实验，充分验证了本文中的分类系统的优越感。下面跟文献中已经有的方案进行对比，具体如下图5所示。
[不同人脸表情识别方法＼&识别率＼&Gabor+弹性模板匹配[5]＼&80%＼&特征块PCA+最近邻分析器[8]＼&75.45%＼&本文方法＼&85.71%＼&]
图5 跟文献中含有的方案进行比较效果
根据图5所示，我们可以看出，跟其他文献中采用的方法来看，本文采用的方法在表情识别上有着明显的优势。具体的我们还可以从下图6的人脸表情识别界面中看到本文中设计的人脸识别系统具体应用情况。

图6 人脸表情识别的界面
3.3简析人脸识别算法
1）优点
这种算法将以前在迭代过程中的迭矩阵计算大大简化，而且在识别的速度上也得到了有效的提升，能跟随光照的变化进行有效的识别，对人脸进行识别的主要困难就是遮挡、单样本等这些问题，而稀疏表示在这些问题的前提下仍然能具备潜在的发展力，我们可以进一步对其加以研究，这也是现在研究的一个重点方向。
2） 缺点
在上面实验中我们发现其分类器表现出了良好的使用效果，但这种算法也存在着一些不足之处，由于数据量不断地增加，稀疏表示分类需要的时间也会随之而增加。此外，这种表示方法虽然在速度上明显优于其他，但是其产生的识别率并不是很高，也就是说不能准确地对表情进行有效识别。
4 展望人脸表情识别的系统
这种新型的对人脸表情加以识别的系统利于将人们的生活品质提高。当人们一旦从比较寒冷的地方或者是比较炎热的地方回到室内时，可以根据这个表情识别的系统快速地把人们面部表情与最佳温度中人脸表情相对比，进而让空调自动把室内的温度调转至最佳。此外，在医疗行业中，可以将表情识别运用到电子护士护理中来。尤其是对于那些重症病人，在对其进行治疗的过程中可以根据这个具有表情分析能力的机器人护士对病人实行实时的看管护理。除以上几点外，在对儿童实行教育时也可以将其应用其中，可以根据儿童在某种情形下所产生的表情以及行为进行具体分析和观察，有效挖掘他们潜在的气质和能力，引导我们更好地对儿童实行教育，促进儿童的健康成长。
5 结语
综上所述，对人脸表情加以识别是具有很大挑战的新兴课题，笔者主要对存在于人脸表情识别算法中的问题进行了简要的分析，并在此基础上提出了改进的算法进而提出了对人脸表情加以识别的系统。但从目前来看，我国关于人脸识别的系统研究当中还存在着一些问题，因此，对于我们来说将更加智能化的关于人脸表情识别的系统加以实现还是一个十分艰巨的任务，还需要我们不断的努力。
参考文献：
[1] 赵晓龙. 安防系统中的基于稀疏表示的人脸识别研究[D].西北大学，2014.
[2] 朱可. 基于稀疏表示的人脸表情识别[D].西北大学，2013.
[3] 万川. 基于动态序列图像的人脸表情识别系统理论与方法研究[D].吉林大学，2013.
[4] 欧阳琰. 面部表情识别方法的研究[D].华中科技大学，2013.
[5] 王哲伟. 基于稀疏表示残差融合的人脸表情识别[D].五邑大学，2011.
[6] 张慕凡. 基于稀疏表示的人脸识别的应用研究[D].南京邮电大学，2014.
[7] 赵晓. 基于稀疏表示的人脸识别方法研究[D].北京工业大学，2013.
[8] 何玲丽. 基于核稀疏表示的人脸识别方法研究[D].湖南大学，2014.

⑺ 人脸识别方法

【什么是人脸识别】

是人工智能范畴里，生物识别中的一个类别，人体的生物特征具有唯一性和不易被复制的良好特性，人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，为身份鉴别提供了必要的前提。

【与其它类型的生物识别比较人脸识别具有的特点】

人脸是人们熟悉的识别方式，传统的人脸识别技术主要是基于可见光图像的人脸识别，已有30多年的研发历史。但在环境光照发生变化时，这种方式有着难以克服的缺陷，无法满足实际系统的需要，识别效果会急剧下降。

现代的人脸识别技术主要靠三维图像人脸识别，和热成像人脸识别这两种方案解决光照问题，但这两种技术还远不成熟，识别效果不尽人意。

人脸识别技术

第三：非强制性

几乎可以在无意识的状态下就可获取人脸图像，用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像。

第四：操作简单

操作简单、结果直观、符合视觉“以貌识人”的特性。并且隐蔽性极好。

【人脸识别技术缺点】

第一：在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。

第二：用户剃了胡子、换了发型、多了眼镜、变了表情会与系统中存储的人脸有出入，可能引起比对失败。

希望本篇回答可以帮助到你~

望采纳~

⑻ 情绪测量的三种方法

别人问你情绪如何时该如何作答？是回答一个数字？一种颜色？还是平面坐标系里的一个点？
Robin Barooah和我共同写了这本关于情绪追踪的书，欢迎来到第二章。这一章我们将介绍各种测量情绪的方法。希望你会喜欢，如果有任何遗漏的地方，记得留言给我们！

-

情绪是如何测量的？

有没有想过：别人问你情绪如何时该如何作答？是回答一个数字？一种颜色？还是平面坐标系里的一个点？可能都不会。你的答案可能是一些词，以及身体语言和面部表情，还可能是对一些导致你当前心情事件的描述。

问问题的人按自己的理解将这些拼凑起来，得出一个你现在心情如何的结论。可这个结论是如何被获取和记录，跟别人的情绪相比较，甚至是跟你早先的情绪相比较的呢？有标准的可重复的方法来测量情绪吗？一种即能广泛适用又能满足个体差异的方法？

答案是......也许。人们尝试了各种方法来量化情绪，从心理评估到在线调色板再到电话通话分析。我们将在这里一一探讨，并对一些不断进行的争论进行讨论。请把这看作是在情绪追踪时空荒蛮大地上的一次旅行吧。

心境状态量表（POMS -Profile of MoodStates)——黄金标准

如果你想知道临床和科研是如何用心理评估来测量情绪波动的，答案就是心境状态量表（POMS)。这项评估由65个表达情感的形容词组成，每个都用0-4来打分，0=完全没有；1=有一点；2=一般；3=相当多；4=非常地。答案再组成7个维度，让你对自己的情绪状态有一个总体的认识：

生气-有敌意

迷惑-慌乱

抑郁-沮丧

疲倦-无力

紧张-焦虑

有精神-活跃

友善

心境状态量表（POMS)的第二个表是专门为燥郁症设计的。所以维度略有不同：

兴高采烈的-沮丧的

镇静的-焦虑的

自信的-不确定的

和蔼的-有敌意的

头脑清醒的-迷惑的

精力旺盛的-疲倦的

心境状态量表（POMS）的缺点是问题不能随便排列，必须要找一位有资质的专业人士来排序。

环形模型（Circumplex）VS.评估空间模型（Evaluative Space Model）-积极情绪和消极情绪是对立的吗？

快乐和悲伤是对立的还是可以同时存在？对此心理学家间存有争议。你可以同时既快乐又悲伤吗？

环形模型派持否认态度。他们把感情放在一个二维坐标系里， 一个轴从不快乐到快乐，也叫“效价”，另一个从非活动到活动，也叫“激发”。根据自我感觉到的积极度和活力度，你可以在坐标系中标出一个合适的点来记录自己的情绪，并追踪这个点随时间的走向。

活动

紧张的 警觉的

焦虑的 激动的

压力大的 兴高采烈的

心烦的 高兴的

不快乐 快乐

悲哀的 满足的

沮丧的 安详的

无聊的 放松的

疲惫的 平静的

非活动

但可评估空间派对此并不赞同。他们认为感受到的情绪虽然大多非此即彼，但生活中也有悲喜交加的时刻。据此，我们应该分别测量消极和积极的情绪。

还有研究表明，不同个体对情绪的感受也不尽相同。有的人感受到的情绪很极端，有的则可以在同一时间点有多种感受但彼此独立，还有的虽然感到情绪相互依存但并非非此即彼。故而无法确定有哪种理论可以对所有人都适用。

事实上，科学家们在最根本的问题上都存有争议，比如我们在同一时间点是否能感受到多种情绪，或我们对情绪的感受方式是否相同，这让我们有足够理由相信这个领域对自我实验最为合适。我们每个人都能以科学家无法达到的方式进入自己的个人经验，我们可以为自己回答这些问题并将获得的知识加以应用，同时自信我们的成果可以应用于自身

⑼ 什么是人脸表情识别技术

人脸表情识别系统主要包括三个部分：人脸检测与定位、特征提取及表情分类。建立一个FER系统，首先要通过外部器件如摄像头等获取图像，在图像中进行人脸检测，确定输入图像中是否有人脸，在有人脸的情况下确定人脸的位置和大小。这一环节的研究已成为一个独立的方向；然后对人脸进行特征提取，得到反映表情特征的关键信息。最后对得到的表情特征向量进行分类，得到表情所属的类别，如AU组合或基本表情类别