微表情是一种短暂的、微弱的、无意识的面部微表情，持续时间往往在0.5s内，能够揭示人类试图隐藏的真实情绪。微表情识别的研究旨在让机器有足够的智能，能够从人脸视频序列中识别人类的真实情绪。然而由于微表情持续时间短、面部肌肉运动强度低，对其进行准确的表征与识别是一项极具挑战性的任务。为了促进心理学领域和计算机视觉领域针对微表情的进一步研究，由拉斯维加斯手机娱乐网站 （CSIG）和中国科学院心理研究所举办、CSIG机器视觉专业委员会、CSIG情感计算与理解专业委员会和中科院青促会心理所小组联合承办，中国科学院心理研究所的王甦菁博士和李婧婷博士组织一系列云上微表情的学术活动。

第六十二期云上微表情将于2025年03月31日晚7点进行，线上由中国科学院心理研究所王甦菁老师团队的李婧婷博士主持。微表情的小样本问题桎梏了基于深度学习的微表情智能分析发展，微表情标注是数据库构建过程中非常重要的环节。此次讲座邀请来自中国科学院心理研究所与江苏科技大学联合培养的硕士毕业生缪宇晗做主题为“面向微表情半自动标注的关键帧推理”的学术报告，欢迎大家关注！

直播链接

会议时间：2024年03月31日 19:00-20:30

#腾讯会议：954-140-343 

扫码入会

讲者简介

讲者简介：缪宇晗，毕业于江苏科技大学，计算机科学硕士，导师为黄树成教授。2022-2023年于中国科学院心理研究所微表情应用研究中心实习，实习导师为王甦菁博士，研究方向为深度学习，计算机视觉，微表情分析。

报告题目：微表情关键帧推理

报告摘要：微表情是短暂且无意识的面部动作，对于测谎至关重要，在心理学和计算机科学领域引起了越来越多的关注。然而，微表情数据集的制作过程十分困难，影响了微表情的发展。具体而言，微表情的标注工作往往需要专业的编码者及其大量的时间精力。

为了简化微表情的标注过程，我们提出了微表情关键帧推理（ME-KFI）问题，旨在通过单个标注过的微表情帧找出微表情片段的具体位置(开始帧、峰值帧和结束帧)，从而减少人工标注的工作量。并且提出了一种微表情对比识别标注（MECIA）方法作为ME-KFI的解决方案，该方法包括三个模块：对比模块、识别模块和标注模块，分别对应人工标注的三个步骤。

实验结果证明，MECIA方法能够有效地解决ME-KFI问题，并且推理出的微表情片段与真实标注的微表情片段保持了相当的识别准确率。

参考文献：

Su-Jing Wang*, Yu-Han Miao, Jingting Li, Ling Zhou ,Zizhao Dong, Mengyi Sun, and Xiaolan Fu, "Micro-Expression Key Frame Inference," in IEEE Transactions on Affective Computing, doi: 10.1109/TAFFC.2025.3548284.