赵京雷：人脸识别和表情识别的关系

原标题：赵京雷：人脸识别和表情识别的关系

齐鲁晚报5月17日讯：人脸识别技术的发展从20世纪70年代开始兴起，是计算机视觉领域迄今为止最热门的研究课题之一。随着互联网技术的发展和大数据的积累，基于人的脸部特征信息进行身份识别的面部识别已经不是什么太大的技术性问题。

我们不难发现在此前火爆过一段时间的软件“百度魔图”中，“PK大咖”的功能就使用到了“以人脸搜索人脸”这样的人脸识别技术。而近期“支付宝”和“Uber”也都在安全领域使用上了人脸识别技术来做鉴别认证。

智能机器的发展更是让人们渴望能体验到自然和谐的人机交互，盼望有一天机器可以读懂我们的语言、知悉我们的表情，来更好的为我们服务。如果有一天我们手上的智能手机扫到每个人的面部表情就能实时的知道他们的喜怒哀乐，并能作出相应的回复的话，或许这才是真正智能的开始。

但计算机在表情识别方面的成长经历就类似于我们每小我的成长过程，以观察和辨别表情来作为最终天然，亲切，生动的交互的开始，所以它需要大量的、长时间的数据积累，通过精确识别这些信息来判断人的情绪。

那时即使人会故意控制面部表情展现出与内心世界不一样的表情，也总会露出一些破绽，可能这些破绽会很微小或一闪而过，让人不易察觉。但对于人工智能来说，发现细微的现象或捕捉稍纵即逝的变化正是他们的长项，他们可以借助高速摄像机和高性能处理器来完成这项工作，从这个方面来说，人工智能对人类情绪的理解可能会比人还优秀。目前在国际上，一些专注从事表情识别技术并取得一定成功的企业有：Affectiva, Emotient，他们也先后被苹果等公司收购。

表情识别和人脸识别总是有着诸多的交互，那么他们之间又有着怎样的差异与联系呢?首先，我们从以下几个方面来看两者的不同。

第一，“人脸识别”是个去表情的过程。人脸识别中，对同一个人无论他做出什么表情，都要想办法识别为同一个人;相反，“表情识别” 是一个强调表情变化的过程，对于同一个人，要把其不同的表情和情绪变化识别出来。

第二，人脸识别偏静态，表情识别偏动态。人脸识别的最典型问题是人脸验证 face verification问题，即任给两张照片中的人脸，判定是不是同一个人，是个静态的判定问题。表情识别的基本问题，是给一个人脸连续动作帧，判断这个时间段该人脸的基本表情变化，是个动态的判定问题。

第三，我们都知道在计算机视觉的研究中，数据集是非常重要的。一方面用于基础训练，另一方面提供了一个统一的标准，来评估不同的算法优劣。人脸识别目前主要用的是LFW，在情绪识别方面，也有一些数据集用于算法评测的，比如EmotiW, 这个数据集提供了若干特定情绪的视频数据，来评估动态表情识别技术的优劣。

然而两者都是对面部进行视觉处理，不可避免的有着很强的联系性。

第一，二者都依赖于一些人脸的基础技术，比如“人脸检测” 和“人脸特征点检测”。应该很多人都熟悉，人脸检测是从照片或者视频帧中把人脸出现的区域检测出来。

如图，人脸特征点检测指的是把人脸的一些预先定义的特征点识别和标注出来。所以一些人脸方面的基础技术，是两者的共同基础。

第二，人脸识别和表情识别，如何进行有效的特征提取一直是研究人员不断探 索的方向。当前人脸识 别面临的主要问题在识别的精度上，都会受光照、人脸姿态和遮挡的影响。这方面，对人的识别影响不大，但这些客观条件对计算机识别算法影响很大，比如极端的侧脸和仰头等姿态会严重影响人脸检测的精度，而如果在照片中没有办法检测到人脸，就不能做人脸识别和表情识别了。

另外，从总体的业界发展来看，从识别的难度上来讲，相对于人脸识别，表情识别在技术难度的挑战要更大一些，这和数据以及动态不确定性等因素有关。因此未来表情识别算法要求做到更快、有效和实时性三者相结合。