面部表情分析系统
数据收集
面部表情分析系统的分析步骤
- 面部定位 – 应用Viola-Jones 算法对人脸的准确位置进行识别。
- 面部建模 – 应用“主动外观模型”进行面部建模，模型可描述面部500多个关键点的位置及面部特征。将建模结果与Deep Face算法的结果相结合，从而实现更高的分类精度。当面部建模不成功时（例如，当一只手遮住嘴部，但两只眼睛都可以被发现时），系统将通过深度学习的Deep Face算法进行分析。
- 面部分类 – 输出结果包括7种表情（快乐，悲伤，愤怒，惊讶，害怕，厌恶和轻蔑）和一个“中立”状态。
为了帮助您节省分析视频的宝贵时间和精力，面部表情分析系统会自动分析：
- 嘴巴张开-闭合
- 眼睛睁开-闭合
- 眉毛上扬-自然-降低
- 头部朝向
- 视线方向
- 个人特征：性别，年龄，面部毛发（胡须等）
您还可以根据需要手动添加其他变量。
设置您的自定义表情
您可以通过组合面部表情分析系统可识别的 动作单元 来自定义面部表情或心理状态。此外，也可以在自定义表情时使用效价，唤醒度，头部朝向（AU51-56），心率和心率变异性。
自定义表情功能的应用范围十分广泛，例如：
- 通过将AU 6 和AU 12*结合，定义“杜乡微笑”（真正的微笑）
- 通过AU 1、5、25和26*的组合来分析积极情绪“敬畏”
- 根据AU4、6、7、9、10、25、26、27、43*进行与疼痛有关的研究
- 更改表情的名称，例如用“微笑”代替“高兴”
- 测量表情的强度
- 测量一些常用的情绪状态，例如感兴趣，无聊，困惑等，都已经在购买动作单元时被设置好作为例子提供使用参考
*如果您对测试或验证这些内容有兴趣，请与我们联系。如果您已经开发了自己的自定义表情，并希望与其他研究人员分享，请联系我们！!
被试的情绪分析
面部表情分析系统可以将被试的面部表情可视化为条形图、饼状图和折线图。情绪环形模型可以体现情绪的负性或正性（效价）。通过时间轴，可对数据进行详细的可视化再现。
面部表情分析系统会在单独的报告窗口中显示带有百分比的饼状图，笑脸和信号灯，说明一个人的情绪是正面、中立还是负面。系统会实时提供所有可视化数据，并且支持反复查看数据。在项目分析模块中，系统可以提供高级的面部表情分析。
深度学习：在充满挑战的情况下分析面部表情
通过使用Deep Face模型分类引擎，面部表情分析系统可以处理大量复杂的数据。
Deep Face模型应用了深度学习，它基于人工神经网络，在输入和输出之间建立多个卷积层，计算每个输出结果的概率。
目前，Deep Face模型是机器学习中一项成功的人工智能技术。像真实的神经网络一样，输入端的信息由与之相连的神经元收集和处理，输入到输出的映射通过一系列非线性计算，将较低级别的信息汇总以形成较高级别的功能。（例如表达的情感，年龄，性别等）。
