用户微表情信息表征研究综述

用户微表情信息表征研究综述一文创作于：2023-08-16 04:28:42，全文字数：35982。

3.1?0?2 技术方法优化

微表情具有明显不同于宏观表情的特征，如持续时间短、变化微弱等，这也大大增加了微表情识别的难度[52]。同时，通过识别微表情分析出的信息表征，其数据并非客观直接的无损原版。由于感情的细微性，其表现出的信息往往存在欺骗性，也显得更加模糊[53]。更具鉴别性的特征能够更准确地描述人脸表情，由于受到环境和情感表情的复杂挑战，大多数表情识别系统与技术难以捕捉微表情特征，无法达到很高的识别率[54]。目前技术更新迭代速度较快，实时集成表情识别技术（real-time emotion facial expression recognition， REFER）、人脸表情识别网络（facial-expression recognition network， FERNet）[55]和卷积神经网络（CNN）理论模型[56]等技术不断涌现。在过去发展的基础上促进了微表情识别准确性及信息表征分析的关联性，但仍存在模型波动较大、信息传递失真等技术问题，需要进一步研究。

3.2?0?2 人种存在差异及数据量问题

微表情识别与信息表征之间联系的建立需要大量的数据支撑，而较大规模地采集面部表情的难度较大，大规模面部微表情数据库的共建、共享发展不足[57]。在非受控环境下采集的网络数据，如FERPlus和RAF-DB等数据库，经过多人众包标注可靠性有所增加，但是标注数量也仅在3万左右[58]。另一方面，由于?传、地域、文化的不同，不同人种、不同民族在表达情感时面部表情具有一定差异性。例如，仅从蒙古族、维吾尔族、壮族、藏族人脸表情图像的研究来看，面部主要特征部件的变动数据因不同民族而存在显著差异[59]。而针对特定人群研发特定微表情数据库的工作耗时费力，应用面又较为狭小，不适合作为长时期的发展方向。这就需要以共建共享为指导思想进行新技术开发[60]，解决微表情识别与信息表征研究的发展困境。

4?0?2 用户微表情信息表征未来研究方向

笔者在文献调研过程中全面分析了微表情识别及信息表征相关研究，结合调研内容，得出以下几个未来发展和潜在研究方向。

4.1?0?2 ?0?2从信息表征到信息传递

微表情往往在人撒谎时出现，表达了人试图压抑与隐藏的真正情感[61]，换言之，撒谎等信息行为其实是微表情的主要来源，微表情的自觉或不自觉的目的就是“掩盖”某种信息行为。两者有着密不可分的相互联系，这种联系一定程度上体现在微表情与信息行为的传递过程，宏表情识别测验、短暂表情识别测验（brief affect recognition test， BART）、微表情识别测验（Japanese and Caucasian brief affect recognition test， JACBART）这3种针对抑郁症患者展开的测验即能体现出两者的现实应用性。

微表情通过神经生理条件传递信息行为。当某种情绪被触发，皮层下大脑会发送一种无意识的反射式的信号给面部神经，当这种信号足够强大时，真实表情将会泄露很短的时间，然后自主控制恢复，这就形成了微表情[62]。用户微表情信息表征的传递持续不断地进行，在此期间又传递出更多的信息[63]，产生新的信息行为，并循环往复地映射到新一轮的微表情之中。这种信息传递的循环符合信息的无限性，同时也证明了信息行为与微表情之间强大的传递关系。

4.2?0?2 从信息传递到信息反馈

从用户行为的本质出发，无论是从直观或是从技术的角度，都是通过分析某种反馈进行识别。起初，实验者利用CASME自发式微表情数据集技术，带着“他是否在撒谎？”的疑问，观看时录制人脸视频。当他们发现某些关键帧的微表情变换并做出判断时，其实就是得到了信息表征传达的反馈[64]。挑眉可能代表讶异，微笑可能代表喜悦，这是人们从直观上很容易得到有关信息行为的反馈结果[65]，然而这种轻微的区别是存在阈值的，信息行为的回馈会因阈值上呈现或阈值下呈现产生明显的区别[66]。

基于“微表情”的安检模式，从安检工作的实际出发，通过对面部微表情的捕捉和分析，并进行适时反馈，对于识别和研判可疑人员、风险预警、处置决策等方面具有重要的实用意义[67]。“微表情”识别的安检模式以微表情理论研究为基础， 并与心理学及大数据、人工智能、信息通信相结合。安检人员对受检人员适时引导刺激， 及时观察、分析其“微表情”的变化；同时，智能系统模块将视频中截取的人脸图像进行黑名单数据检索和“微表情”识别， 实现对可疑人员的甄别与预警。美国交通运输安全部已经把基于微表情分析的行为观测技术应用到机场的安检[68]。而微表情识别技术一旦应用到教育、医疗、社会治理等诸多领域，微表情采集中以帧为单位收集的图像视频信息及各类微表情数据集都有被传播和泄露的潜在风险[69]，参与者的个人隐私将可能受到侵犯[70]。因此，如何在保障数据安全的同时，在个人隐私保护和面部信息的搜集、存储、运用、传递之间达到平衡，是未来需要探究的方向之一。

5?0?2 结语

用户产生微表情的过程也是信息表征的过程。在前期分析和文献计量的基础上，笔者从现状、趋势、技术和挑战四大方面对微表情识别中的信息表征研究进行了系统分析，有利于把握微表情识别中的信息规律，对微表情识别中的信息管理和人机交互建设具有重要的理论意义和实践意义。与此同时，该研究领域不可避免地存在技术开发、信息保护和人种差异等一系列问题，对微表情识别领域下的信息行为研究提出了新的挑战，值得研究者持续深耕。在图书馆与情报领域，微表情识别过程中的信息传递、信息反馈是未来可发展的新兴研究领域，微表情识别领域的应用趋势可以在元宇宙、隐私问题和技术驱动等领域持续发展。

参考文献：

吴奇， 申寻兵， 傅小兰.微表情研究及其应用[J]. 心理科学进展， 2010， 18（9）： 1359-1368.

Ekman P， Friesen W V. Detecting deception from the body or face[J]. Journal of personality and social psychology， 1974， 29（3）： 288-298.

HOUSE C， MEYER R. Preprocessing and descriptor features for facial micro-expression recognition [EB/OL]. [2022-07-30]. https：//web.stanford.edu/classlee368/Project_Spring_1415/Reports/House_Meyer.pdf.

陈子健， 朱晓亮.基于面部表情的学习者情绪自动识别研究——适切性、现状、现存问题和提升路径[J]. 远程教育杂志， 2019， 37（4）： 64-72.

Zeng Z h， Pantic M， Roisman G I， et al. A survey of affect recog

提醒您：因为《用户微表情信息表征研究综述》一文较长还有下一页，点击下面数字可以进行阅读！

《用户微表情信息表征研究综述》在线阅读地址：用户微表情信息表征研究综述