表情分析编辑历史

# 表情分析

## 1 概述与历史

表情分析是人工智能与认知科学交叉领域的重要研究方向，它借助计算机视觉和机器学习技术，从人脸图像或视频序列中自动识别并解释人类的面部情绪状态。该技术的理论基础源自心理学家保罗·埃克曼（Paul Ekman）在20世纪70年代提出的“基本情绪跨文化普遍性”假说，即人类存在若干种跨越文化差异的通用基本情绪表达。随着深度学习算法的成熟，表情分析已从实验室走向产业化应用，成为人机交互、市场研究、医疗诊断等领域的关键技术之一。

### 1.1 基本概念

#### 1.1.1 面部基本情绪的定义

面部基本情绪是指人类在进化过程中形成的、具有普遍生物学基础的情绪类别。根据埃克曼等人的研究，基本情绪包括快乐、悲伤、愤怒、惊讶、恐惧、厌恶六种，后来又扩展了轻蔑。每种基本情绪都对应一套独特的面部肌肉运动模式，这些模式在不同文化中被一致地识别。例如，快乐通常表现为嘴角上扬、眼周肌肉收缩（形成鱼尾纹）；愤怒则是眉毛下压、眼睑收紧、嘴唇紧抿。这六类基本情绪构成了大多数表情分析系统的分类标签基础。

#### 1.1.2 动作单元（AU）与面部编码系统

动作单元（Action Unit, AU）是面部动作编码系统（Facial Action Coding System, FACS）中的最小可观测单位。FACS由埃克曼和弗里森于1978年提出，它将人脸肌肉运动分解为44个独立的动作单元，每个AU对应特定面部区域的肌肉收缩或扩张。例如，AU4（皱眉肌收缩）与愤怒相关，AU12（嘴角提肌收缩）与微笑相关。表情分析技术通过识别这些AU的组合模式来推断情绪——例如，AU6（眼轮匝肌收缩）+AU12通常表示喜悦。FACS为计算机视觉提供了客观、定量的标注基础，使得从图像中检测AU成为表情识别的重要中间步