美剧《千谎百计》(Lie to Me) 中，卡尔•莱特曼博士凭借观察细微的表情变化便能判断一个人是否说谎。这并不是天方夜谭，该剧的人物原型保罗•艾克曼是最早发现微表情的学者之一。微表情是一种自发式的表情，在人试图掩盖内在情绪时产生, 既无法伪造也无法抑制，因此可以作为鉴别谎言的重要工具。同时，微表情在公共安防、心理治疗领域也有一席之地。

   与普通表情不同，微表情持续时间短、动作幅度小，识别微表情需要专业的培训，且准确率较低。因此，近年来不少研究人员利用计算机视觉技术自动识别微表情，极大地提高了微表情的应用可行性。

 不同的算法比较依赖公开、有效的数据集，目前已知的微表情数据集有：芬兰Oulu大学SMIC (Spontaneous microexpression corpus) 和 SMIC2、中国科学院的CASME (Chinese Academy of Sciences microexpression) 和 CASME II、美国佛罗里达大学的USF-HD和日本筑波大学的Polikovsky dataset。

 每个数据集都有3项值得注意的要素，分别是帧率、诱导方式和标注方式。由于微表情的持续时间非常短，常规帧率的视频难以捕捉到充分的信息，不少数据集都采用了高帧率的摄像机拍摄；诱导方式则关乎微表情是否真的“自发”，通过模仿采集的结果并不符合微表情的定义；标注方式则与识别微表情的具体任务相关，可以是客观的检测面部的动作，抑或是推测被试者的情绪。

 针对每种任务，综述了现有的国内外文献，介绍相关技术的异同，并汇总了公开的实验结果进行比较。

其一是给定一段微表情的视频，对该表情实例的属性进行推断（微表情分类、动作单元识别）；

其二是给定一段面部图像序列，从中寻找微表情并对识别其不同阶段（微表情检测、阶段划分）。

 针对微表情的预处理技术

 长视频中的微表情检测

 高效的微表情识别

 微表情动作单元的识别

引用格式：徐峰, 张军平. 人脸微表情识别综述. 自动化学报, 2017, 43(3): 333-348

全文：http://www.aas.net.cn/CN/abstract/abstract19013.shtml

人脸微表情识别综述.pdf