以准确检测表情的细微变化

欧姆龙继电器 实验室有限公司和欧姆龙继电器 实验室今天宣布了一项人工智能面部表情识别的继电器的发展，该的继电器能够以高精确度检测面部表情的细微变化。这项新的继电器是与卡耐基梅隆大学计算机科学学院合作开发的。

面部表情识别的继电器的一个障碍是，很难提供大量的数据来训练每个面部姿势的检测模型，因为在现实应用中，人脸通常被捕捉到各种各样的姿势。为了解决这一问题，欧姆龙继电器 开发了一种的继电器，对每种面部图像采用不同的归一化处理。例如，当受试者的面部角度为倾斜时，该的继电器可以调整图像，使其更接近人脸的正面图像，从而使检测模型能够用相对少量的数据进行训练。这项的继电器可以准确地检测出细微的情绪变化，包括不舒服或紧张的笑声、困惑等等——即使是在真实环境中受试者的脸在移动。欧姆龙继电器 预计，这项新的继电器将在各种现实世界中得到应用，包括促进员工敬业度的沟通，以及改善司机和工厂工人的工作场所安全。近年来，从图像中检测面部表情变化和解读人类情感的的继电器越来越引起人们的兴趣。现有的的继电器主要用于检测面部表情的明显变化(例如嘴角和眼角广泛移动)。这些的继电器已经在一些实际应用中得到应用，包括视频中高光场景的自动提取和增强机器人的反应。在未来，面部表情识别的继电器将更广泛地应用于各种情况，包括医疗保健中的病人监测和市场营销活动中客户对产品反应的分析。为了更有效地“解读”人类情感，关键是要捕捉与情感相关的微妙的面部变化，比如理解、困惑和压力。为了实现这一目标，开发人员越来越多地依赖于动作单位(AUs)，它根据一个解剖学分类系统来表示对应于脸部每一块肌肉的运动“单位”。例如，AUs被心理学研究和动画制作等各个领域的专业人士使用。根据面部肌肉的运动，包括眉毛和脸颊的运动，AUs可以分为大约30种类型。通过将这些AUs整合到其的继电器中，欧姆龙继电器 开创了一种新方法，可以探测到面部表情的细微变化。为了更准确地检测AUs，深层的深度学习的继电器需要大量的数据。然而，在现实环境中，相机通常以不同的角度、大小和位置捕捉人脸，这使得准备对应于每个视觉/空间状态的大规模学习数据变得困难。因此，相机捕获的图像对检测精度有不利影响。

与卡耐基梅隆大学计算机科学学院合作，欧姆龙继电器 实验室有限公司和美国欧姆龙继电器 实验室开发了一种人工智能面部表情识别的继电器，可以在有限的训练数据下高精度地检测AUs。通过归一化处理来调整人脸，使其与正面图像有更好的相似性

使用这种的继电器，以不同角度、大小和位置拍摄的人脸图像会被旋转、放大或缩小，以及调整，使图像更接近人脸的正面图像。这使得用少量的基于被试面部正面视图的训练数据来检测AUs成为可能。分析影响每个AU检测的重要区域

在归一化过程中，将图像中人脸的多个特征点进行转换，使其逼近前场图像中特征点的位置。然而，旋转、放大/缩小和调整的数量取决于特征点在面部的位置。例如，如果选择眼睛周围的特征点进行旋转处理，眼睛周围的区域会离参考图像很近，但是嘴巴等部位会不对齐。要解决这个问题，各方面都有迹象