php随机脸色技巧_心理所构建伪装神色数据库并进行基准评价

伪装表情时有发生：比如家长面对着孩子潦草的作业心里很窝火，但为了不挫伤孩子的自傲心，故作愉快地连续辅导；又比如一些窗口部门的事情职员，纵然碰着什么悲哀的事情，也要始终保持微笑做事。

构建高质量的伪装表情数据库有助于系统深入地研究伪装表情的表达特点和识别算法。
脑与认知科学国家重点实验室傅小兰研究组最新揭橥一项研究，构建了一个实验室场景下的伪装表情数据库，并利用机器学习算法对数据库进行基准评价，如图1所示。

图1. 伪装表情的采集与打算识别过程

在实验开始前，被试须要进行练习，熟习六种基本表情（高兴、悲哀、愤怒、厌恶、恐怖、惊异）的表达特点。
正式实验过程中，被试不雅观看感情诱发视频片段，并在视频播放快结束时根据表情图片线索表达与视频诱发感情同等或不一致的表情。
因此，视频诱发的感情类型与哀求其表现的表情相互结合得到36类表情。
随后，研究者采取面部动作编码系统（Facial Action Coding System, FACS）对采集的视频数据进行人工编码，数据库共包含22名被试的778段表情序列。

在基准评价方面，研究提取表情序列的LBP-TOP（Local Binary Pattern from Three Orthogonal Planes）特色，并结合支持向量机（support vector machines, SVM）进行分类（如表1）。
对付特色提取中的不同LBP编码半径设置，利用留一被试交叉验证得到伪装表情和非伪装表情分类最高识别精确率为78.80%。
这表明在采集的伪装表情数据库中，对表情序列是否存在伪装具有较高的可区分性。
其余，对视频诱发的感情分类（6E）和哀求被试表达的表情分类（6R）的最高识别精确率分别为26.83%和47.77%。
对真实诱发感情的识别率仅赶过随机水平约10%，这表明摆拍表情的存在对识别真实感情造成很大困难。
此外，研究还利用卷积神经网络自动提取表情图片的特色信息，进一步提升了表情的识别率。

生理所博士生莫凡和张志豪为论文的共同第一作者，生理所副研究员赵科、研究员傅小兰为共同通讯作者。
研究成果已揭橥于IEEE Access。

Fan Mo, Zhihao Zhang, Tong Chen, Ke Zhao, & Xiaolan Fu (2021). \公众MFED: A Database for Masked Facial Expression.\公众 IEEE Access 9: 96279-96287.