面向自动谎言识别的微表情表达研究

微表情是一种非常快速的表情，持续时间仅为1/25秒至1/5秒，大多数人往往难以觉察到它的存在。利用微表情进行自动谎言识别在众多领域都有巨大的潜在应用价值。本项目综合使用计算机视觉研究技术与认知心理学实验方法，研发自动微表情识别系统，探究微表情表达的基本特点及主要影响因素，为微表情的实际应用奠定基础。具体研究内容包括：用异构计算方法改进已有的表情自动识别算法，并重点解决目前算法训练时间长、特征选择过程效率低、自动化程度不高等问题，在此基础上研发微表情自动识别系统；研究微表情是否只在撒谎时出现，以及撒谎动机水平、撒谎时长、情绪唤醒程度对微表情表达的影响，比较罪犯与普通人在微表情表达上的异同。本项目自主研发的微表情自动识别系统，在科研、临床、司法、反恐等领域都有重要的应用价值；心理学实验研究成果将深化对微表情本质的认识，并为研制基于微表情的自动谎言识别系统提供心理学依据。

微表情是一种非常快速的表情，大多数人往往难以觉察到它的存在。利用微表情进行自动谎言识别在众多领域都有巨大的潜在应用价值。本项目综合使用计算机视觉研究技术与认知心理学实验方法，改进已有的表情自动识别算法，研发微表情自动识别系统，构建自然微表情数据库，研究微表情表达的特点及主要影响因素，以及微表情识别的心理和神经机制。已正式发表的主要研究成果包括：（1）提出微表情识别的混合张量子空间分析框架，并基于此框架构建混合张量彩色空间模型；基于Gabor+EOH混合特征的新算法PreAvgGentleSVM_EOHfilter大大提高了自动识别系统的效能，实现了一个基于静态特征的自动微表情识别系统。（2）构建具有较高生态效度的基于动态视频的微表情数据库CASME Ⅰ和CASME Ⅱ，它们分别包括195个和247个自然微表情样本，已得到比较广泛的使用。（3）确定微表情表达时长，将启动时间短于260ms或总持续时间小于500ms的快速的、泄露的表情定义为微表情；总结微表情表达各种情绪时出现的运动单元组合，发现微表情的运动幅度较小且局部呈现。（4）发现人的微表情识别成绩受刺激呈现时间的影响，在160ms处出现转折，160ms之前识别正确率随着呈现时间的增加而增加，但160ms以后表情的呈现时间对表情识别的正确率不再产生影响；首次发现恐惧表情识别成绩与左侧杏仁核体积的关联，左侧杏仁核大小与恐惧面孔识别的正确率呈负相关，与将恐惧误判为惊讶的比率呈正相关，而其他7个皮层下结构和34个皮层上结构和恐惧表情识别成绩无关。本项目取得的上述创新性研究发现深化了我们对微表情表达特点和识别过程的理解，构建的自然微表情数据库不仅为深入开展微表情研究提供了实验素材库，而且为自动微表情系统的实际应用提供了前期基础，有力地促进了认知科学和人工智能研究领域的发展。