7、三维面部表情的统计分析

三维面部表情的统计分析

1. 引言

面部表情提供了重要的信息，以传达非言语交流。人类的面孔不仅包含了关于一个人的身份、性别和年龄的信息，还包含了他们的认知活动、情绪状态、个性和意图。准确区分表达出的情绪的能力是与他人互动和交流的重要部分。它也有助于听众理解口头表达的词语的意图意义。Mehrabian（1968年）进行的研究显示，尽管人类拥有口头语言，但面部所展示的信息提供了补充口头交流的额外信息。作者指出，有效的面对面交流中，55%依赖于面部表情，而只有45%依赖于语言和非言语的身体手势（例如再见、指指、低头等）。

有趣的是，人类能够识别一个不熟悉人的不同面部表情，并且能够识别一个熟悉的人，无论这个人的面部表情如何。在人类与机器的互动中，存在一种双重性，使得在自然的人机界面中自动识别面部和面部表情成为可能。这些界面在行为科学、机器人和医学科学应用中可能非常有用。例如，临床实践中的机器人可以从识别面部表情的能力中受益。尽管人类已经获得了强大的语言能力，但面部表情在沟通中的作用仍然非常重要。

2. 面部表情分析的动机

当前的面部分析和识别主要基于在特定场景中分类面部，通常涉及中性表情和正面朝向的面部姿态。这种情景使得识别个体的过程变得简单得多。然而，在真实环境中，人们不会限制或约束自己的面部表情，当前的识别系统在处理子空间中的数据差异时可能会感到困惑，从而使得检测和识别个体及其表情变得非常困难。

在医疗和临床面部应用中，一些研究试图识别与生长和老化相关的细微变化。Andresen等人（2000年）的工作比较了儿童下颌骨随时间的变化。Hutton（2004年）使用统计模型分析了自然的生长变化。这种技术有助于识别面部异常生长。模拟年龄变化也可以