文/編輯 | 言有三

人臉表情識(shí)別（Facial Expression Recognition，FER）作為人臉識(shí)別技術(shù)中的一個(gè)重要組成部分，近年來(lái)在人機(jī)交互、安全、機(jī)器人制造、自動(dòng)化、醫(yī)療、通信和駕駛領(lǐng)域得到了廣泛的關(guān)注，成為學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)，為了幫助大家學(xué)習(xí)人臉表情相關(guān)的內(nèi)容，我們開設(shè)了人臉表情識(shí)別的專欄，目前大部分內(nèi)容已經(jīng)完結(jié)，本次來(lái)給大家進(jìn)行總結(jié)。

基于圖片的人臉表情識(shí)別概念與數(shù)據(jù)集

首先我們介紹了人臉表情識(shí)別的研究背景，基于圖片的人臉表情識(shí)別問題分類，以及基于圖片的人臉表情識(shí)別相關(guān)的數(shù)據(jù)集。

• 【人臉表情識(shí)別】基于圖片的人臉表情識(shí)別，基本概念和數(shù)據(jù)集
  

表情識(shí)別任務(wù)的圖片預(yù)處理

在人臉表情識(shí)別中，對(duì)人臉進(jìn)行預(yù)處理通常都是一個(gè)必不可少的環(huán)節(jié)。雖然可以利用深度學(xué)習(xí)方法在不經(jīng)過預(yù)處理的情況下實(shí)現(xiàn)端到端的表情識(shí)別，但在實(shí)際場(chǎng)景下，表情數(shù)據(jù)通常是用戶非限制條件下拍攝產(chǎn)生，在這種環(huán)境下拍攝到的人臉存在著姿態(tài)變換、光線、遮擋等問題，端到端的表情方法在復(fù)雜的現(xiàn)實(shí)條件下很容易產(chǎn)生誤差。恰當(dāng)?shù)念A(yù)處理能夠減少因圖像質(zhì)量對(duì)識(shí)別效果的影響，同時(shí)也能提升算法的魯棒性。

• 【人臉表情識(shí)別】如何做好表情識(shí)別任務(wù)的圖片預(yù)處理工作
  

基于圖片的人臉表情識(shí)別重要論文匯總

近些年大部分人臉表情識(shí)別的工作主要圍繞深度學(xué)習(xí)進(jìn)行展開，這里從近5年基于圖片的人臉表情識(shí)別的論文中推薦一些具有代表性或創(chuàng)新性工作，包括分階段微調(diào)方法，決策級(jí)特征融合方法，身份感知的應(yīng)用，人臉領(lǐng)域先驗(yàn)經(jīng)驗(yàn)的應(yīng)用，GAN與注意力機(jī)制的使用等內(nèi)容。

• 【人臉表情識(shí)別】不得不讀的重要論文推薦（2015-2018篇）

• 【人臉表情識(shí)別】不得不讀的重要論文推薦（2019-2020篇）
  

基于視頻的人臉表情識(shí)別概念與數(shù)據(jù)集

在一般情況下，人們通過單張圖片即可知道圖片中人的表情，理解圖片中的人那一瞬間甚至一段時(shí)間的情緒。然而，僅依賴單張圖片并非在任何場(chǎng)景都能正確地反映人的表情所表達(dá)的情緒。此時(shí)就需要?jiǎng)討B(tài)的人臉表情識(shí)別（dynamic facial emotion recognition），它通過感知視頻/圖片序列中人們變化的表情來(lái)理解人的情緒。

• 【人臉表情識(shí)別】基于視頻的人臉表情識(shí)別數(shù)據(jù)集與基本方法
  

基于視頻的人臉表情識(shí)別重要論文匯總

這里從近5年基于視頻的人臉表情識(shí)別的論文中推薦一些具有代表性或創(chuàng)新性工作，包括3DCNN和LSTM時(shí)序問題經(jīng)典網(wǎng)絡(luò)，注意力機(jī)制和背景信息的使用等。

• 【人臉表情識(shí)別】基于視頻的人臉表情識(shí)別不得不讀的論文
  

細(xì)粒度人臉表情識(shí)別與幅度估計(jì)

雖然把表情轉(zhuǎn)換為離散標(biāo)簽并以分類的形式識(shí)別出表情類別是當(dāng)前大部分人臉表情識(shí)別研究中最主流的一種研究方式。然而，人的情緒是非常復(fù)雜的，通過人臉傳達(dá)出來(lái)的表情也很難被絕對(duì)地定義為某個(gè)具體的類別，因此簡(jiǎn)單的分類模式在實(shí)際場(chǎng)景中并不能很好地反映人的真實(shí)感情。表情識(shí)別不僅僅是表情分類問題，還需要對(duì)表情的幅度進(jìn)行回歸估計(jì)，在能夠正確的估計(jì)到表情的幅度后，對(duì)于表情驅(qū)動(dòng)相關(guān)一類應(yīng)用會(huì)有非常重大的意義。

• 【人臉表情識(shí)別】基于回歸模型的人臉表情識(shí)別方法
  

情緒識(shí)別相關(guān)會(huì)議、比賽匯總

在每一年的一些涉及到多媒體、人機(jī)交互等主題的會(huì)議中，都有一些非常前沿的情緒識(shí)別競(jìng)賽或者主題研討會(huì)（workshop），它們重點(diǎn)關(guān)注的是當(dāng)前情緒識(shí)別研究尚未解決的難點(diǎn)或者貼近實(shí)際生活的新穎點(diǎn)，了解這些信息可以掌握當(dāng)前情緒識(shí)別研究的趨勢(shì)，同時(shí)學(xué)習(xí)新穎的研究方法。這里為大家歸納了2018年至今的一些大型國(guó)際情緒識(shí)別競(jìng)賽和主題研討，供大家參閱：

• 【人臉表情識(shí)別】情緒識(shí)別相關(guān)會(huì)議、比賽匯總（2018-2020）
  

早期人臉表情識(shí)別綜述

最后，可以再回顧一下我們?cè)缙诘娜四槺砬樽R(shí)別綜述文章，其中內(nèi)容包括表情定義與分類，人臉表情識(shí)別的應(yīng)用，若干經(jīng)典人臉表情識(shí)別數(shù)據(jù)集，傳統(tǒng)的代表性研究方法和基于深度學(xué)習(xí)的研究方法。

• 【技術(shù)綜述】人臉表情識(shí)別研究
  

更多的人臉圖像相關(guān)內(nèi)容

為了讓大家能夠徹底地掌握好人臉圖像相關(guān)算法，有三AI輸出過大量的人臉圖像相關(guān)內(nèi)容，包括

(1) 書籍《深度學(xué)習(xí)之人臉圖像》以及配套資料，詳細(xì)了解請(qǐng)閱讀。

言有三新書來(lái)襲，業(yè)界首次深入全面講解深度學(xué)習(xí)人臉圖像算法

(2) 有三AI知識(shí)星球-網(wǎng)絡(luò)結(jié)構(gòu)1000變?nèi)四槹鍓K，包括各類任務(wù)和數(shù)據(jù)集。

分享格式為數(shù)據(jù)集分享，模型細(xì)節(jié)詳解和論文鏈接，有一些還有實(shí)戰(zhàn)解讀，案例如下：

如果你想在這個(gè)方向有所積累，非常推薦入手，掃碼即可加入，閱讀下文了解有三AI知識(shí)星球。

【雜談】有三AI知識(shí)星球指導(dǎo)手冊(cè)出爐！和公眾號(hào)相比又有哪些內(nèi)容？

3，有三AI秋季劃人臉?biāo)惴ńM

人臉圖像小組需要掌握與人臉相關(guān)的內(nèi)容，學(xué)習(xí)的東西包括8大方向：人臉檢測(cè)，人臉關(guān)鍵點(diǎn)檢測(cè)，人臉識(shí)別，人臉屬性分析，人臉美顏，人臉編輯與風(fēng)格化，三維人臉重建。了解詳細(xì)請(qǐng)閱讀以下文章：

【CV秋季劃】人臉?biāo)惴敲炊?#xff0c;如何循序漸進(jìn)地學(xué)習(xí)好？

學(xué)習(xí)資料包括：(1) 與項(xiàng)目配套的錄制視頻。(2) 與項(xiàng)目配套的開源資料。(3) 與項(xiàng)目配套的代碼數(shù)據(jù)。(4) 永久有效的相關(guān)微信群。(5) 附贈(zèng)有三AI知識(shí)星球社區(qū)。

轉(zhuǎn)載文章請(qǐng)后臺(tái)聯(lián)系

侵權(quán)必究

• 【CV秋季劃】模型優(yōu)化很重要，如何循序漸進(jìn)地學(xué)習(xí)好？

• 【CV秋季劃】人臉關(guān)鍵點(diǎn)檢測(cè)，人臉識(shí)別視頻更新

• 【CV秋季劃】人臉檢測(cè)，活體人臉檢測(cè)，偽造人臉檢測(cè)視頻更新

• 【CV秋季劃】人臉識(shí)別經(jīng)典難題介紹，抗遮擋，跨年齡，異質(zhì)源，少樣本等

• 【CV秋季劃】人臉三維重建視頻更新

• 【CV秋季劃】人臉年齡，表情，姿態(tài)等屬性識(shí)別視頻更新

• 【CV秋季劃】人臉美顏與風(fēng)格化視頻上新

• 【CV秋季劃】人臉編輯之統(tǒng)一屬性編輯方法視頻更新

• 【CV秋季劃】人臉編輯之表情，年齡，姿態(tài)編輯方法視頻更新

• 【CV秋季劃】深度學(xué)習(xí)換臉?biāo)惴ㄒ曨l更新

總結(jié)

以上是生活随笔為你收集整理的【完结】如何掌握基于图像和视频的人脸表情识别，这9篇文章可以作为一个参考...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。