多通道综述

('表情识别技术1、引言经过几十年的努力，人工智能的研究已经达到了很高的水。然而，它的研究目的只是在于模拟人的智能，如判断、推理、证明等思维活动。人工心理理论则是利用信息科学的方法，对人的心理活动的更全面内容的再一次人工机器(计算机、模型算法等)实现⋯。它的应用前景非常广泛，主要是情感机器人的技术支持、拟人机械、人性化商品设计、感性市场开发、人际和谐环境技术和人机和谐多通道接口等。2、表情识别的定义人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。3、表情识别研究方法的发展历史20世纪90年代后期,得益于计算机技术的进步,表情识别的研究方法有了新的发展。(一)微表情识别任务微表情(Microexpression)是一种特殊的表情,它存在时间很短(1/25s—1/5s),往往不容易察觉,且不受意识控制,表达了人们试图压抑与隐藏的真正情感,往往在人说谎时出现。[24]为了研究人们识别这种特殊表情的机制,艾克曼(Ekman)及其同事在其跨文化表情识别研究的基础上,利用计算机图形技术发明了“日本人与高加索人短暂表情识别测验”。它用于测量人们的微表情识别能力,同时也可用于微表情识别训练。在该任务中,首先向被试呈现一系列中性面孔图片,2秒后快速呈现由同一个人做出的表情图片,呈现时间为1/15秒,最后再紧接着呈现之前出现过的中性面孔图片,以消除图像后效的影响。被试随后要作出判断,即刚才的图片里出现了哪种类型的表情。(二)混合识别法在一项表情识别的研究中,同样是为了研究表情的局部信息在表情识别中的相对重要程度,或者是控制一些额外变量(如性别)对识别成绩的影响,研究者往往需要在一种表情里同时拥有两个以上不相容的属性,但来源于真实情景的表情图片往往无法满足以上需求,这时研究者就要采用混合识别法。该方法将两张或者多张具有不相容特征的表情图片通过专门的图形处理软件(Morph)混合在一起,组成一张同时具有多种不相容属性的表情,比如雌雄同体面孔(androgynousfaces),或是同时具有两类表情特征的面孔。从这个意义上讲,前面提到的渐变技术其实是将两类表情分别进行多次不同程度的混合而实现的。赫斯(Hess),克拉克(Kleck)和艾当(Adams)近期的研究反映了混合识别法的精髓。研究通过混合处理制成悲伤和愤怒的雌雄同体面孔,并用头发的样式控制这些面孔的性别(短发为男性,长发为女性),以控制不同性别面孔的威胁和服从特征。然后让被试评定这些面孔表情的强度,结果发现,在控制了不同“性别”面孔的服从和威胁特征后,性别刻板印象出现了反转,即通常被认为表达愤怒表情更强烈的男性,其愤怒表情的强度反不如女性,而通常认为表达高兴表情更强烈的女性,其高兴表情的强度却不如男性。这说明真实的性别刻板印象在自然情景中被个体面孔的威胁和服从特征掩盖,只有通过混合识别务法,才能发现这一特殊规律。(三)表情识别方法的发展趋势1.表情刺激制作的精致化计算机图形技术的进步使表情刺激的制作变得精细化。具体表现为:一方面,技术的进步降低了表情图片刺激的制作难度,这使得早期方法很容易从纸笔测验转变成计算机测验,一些过去很难被控制的无关变量,如图片的灰度或者面孔的毛发等,现在可以通过图形处理软件方便地控制,此为刺激制作之“精”。另一方面,各种表情识别早期方法的灵活性也得以拓展,比如局部呈现任务,现在呈现的表情刺激既可以包含整个面孔(不呈现的部分用马赛克技术给以遮盖),也可以是不完整的上半或下半脸。还有倒脸识别法,现在已有多种变体,倒立的部分依研究目的而定,不再局限于整个面孔,也可是眼、鼻子等局部特征,此为刺激制作之“细”。表情刺激制作的精致化,提高了表情识别研究方法的生命力。2.表情刺激的动态化传统的表情识别研究中使用的图片通常只有一种固定的刺激强度,但是在真实表情产生的过程中,表情的强度往往是随时间逐渐变化的。因此传统的表情图片刺激不能非常有效地表现真实情景中表情的产生过程。为了弥补这一缺陷,渐变技术应运而生。罗兰(Rowland)和皮瑞特(Perrett)的创设面孔原型研究中首次使用了这种技术。使用该技术时首先要选取表情类型不相同的两张或多张表情图片(如平静和高兴),然后通过专门的计算机软件(PhotoShop或Morph),以这两张表情图片为两极,生成一系列面孔的某一特征发生连续变化的图片〔如嘴角的弯曲程度,从平静表情的0%(不弯曲)到高兴表情的100%(完全弯曲),每张图片变化20%〕,并保持面孔的其他属性不变。其余的操作流程和基本情绪判别法相同。近年来表情刺激的发展趋势是多媒体化,值得一提的是,我国已有了自己本土化的中国面部表情视频系统。总之,新的表情识别研究方法更灵活、更易使用和更具生态学效度,拓展了表情识别的研究领域,使得以前无法研究的一些问题如微表情识别等,可以使用更加先进的技术和新方法加以研究。4、表情识别的应用领域1．企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。2．电子护照及身份证。这或许是未来规模最大的应用。在国际民航组织（ICAO）已确定，从2010年4月1日起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。美国已经要求和它有出入免签证协议的国家在2006年10月26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到2006年底已经有50多个国家实现了这样的系统。今年年初，美国运输安全署（TransportationSecurityAdministration）计划在全美推广一项基于生物特征的国内通用旅行证件。欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理[7]。中国的电子护照计划公安部一所正在加紧规划和实施。3．公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。4．自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。5．信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。从而大大增加电子商务和电子政务系统的可靠性。5、表情识别的总结和展望表情识别的研究方法可以分为经典的基本判别法、倒脸识别法、局部识别法和表情搜索任务以及后来出现的微表情识别任务和混合识别法。这些研究方法并无优劣之分,只因研究目的不同而共存。而且,这些研究方法还具有模块化,即它们可以根据研究目的的需要而任意组合,具有相当的灵活性。比如前面介绍的欧斯曼的研究中,为了考察愤怒的群中面孔效应是否因愤怒面孔的整体特征引起,就同时使用了表情搜索任务和倒脸识别法。从表情识别研究方法的设计思路和研究内容上来看,表情识别依然是一个崭新的领域,这表现为一方面,它的经典研究方法都是脱胎于传统的认知心理学实验范式,直到近年来才逐渐开始出现专门针对表情识别的研究设计,比如微表情识别任务;另一方面,从研究方法的适用范围来看,表情识别研究的内容非常散,从性别差异到微表情识别机制,再到表情的类型差异,几乎每个能影响情绪加工的变量都是当今表情识别研究的内容。因此,我们认为,表情识别的研究尚没有形成一条统一清晰的脉络。尽管如此,我们仍发现,表情识别的研究方法具有两种设计思路,一种思路包括具有普遍适用意义的基本表情判别法,用于研究群中面孔效应的表情搜索任务和研究微表情识别机制的微表情识别任务,这些方法的目的都在于探究在自然情景中可直接观察到的、表情识别的一般规律。从刺激模式来说,这些方法给被试呈现的都是模拟真实情景的表情图片或视频。因此,文中称这些方法的设计思路为模拟现实的设计。另一类则包括用于研究表情识别整体性的倒脸识别法,用于研究表情识别局部信息重要程度的局部识别法和专门用于研究一些特殊规律的混合识别法。这些方法的目的都在于揭露表情识别的一些特殊规律,而这些规律通常被自然情景中各种复杂的因素掩盖,必须在实验室创设的特殊条件下才能够观察到。从刺激模式来说,这些方法中使用的表情刺激多为真实情景中不存在的怪诞表情。因此,文中称这些方法的设计思路为揭露特殊规律的设计。将来表情识别的研究方法应该会沿着这两种设计思路继续发展,表现为一方面,刺激的制作越来越趋于真实;另一方面则是不断有各种巧妙的控制手段出现以揭露深藏于自然情景下的表情识别的特殊机制。',)