以準確檢測表情的細微變化

歐姆龍繼電器 實驗室有限公司和歐姆龍繼電器 實驗室今天宣布了一項人工智能面部表情識別的繼電器的發展，該的繼電器能夠以高精確度檢測面部表情的細微變化。這項新的繼電器是與卡耐基梅隆大學計算機科學學院合作開發的。

面部表情識別的繼電器的一個障礙是，很難提供大量的數據來訓練每個面部姿勢的檢測模型，因為在現實應用中，人臉通常被捕捉到各種各樣的姿勢。為了解決這一問題，歐姆龍繼電器 開發了一種的繼電器，對每種面部圖像采用不同的歸一化處理。例如，當受試者的面部角度為傾斜時，該的繼電器可以調整圖像，使其更接近人臉的正面圖像，從而使檢測模型能夠用相對少量的數據進行訓練。這項的繼電器可以準確地檢測出細微的情緒變化，包括不舒服或緊張的笑聲、困惑等等——即使是在真實環境中受試者的臉在移動。歐姆龍繼電器 預計，這項新的繼電器將在各種現實世界中得到應用，包括促進員工敬業度的溝通，以及改善司機和工廠工人的工作場所安全。近年來，從圖像中檢測面部表情變化和解讀人類情感的的繼電器越來越引起人們的興趣。現有的的繼電器主要用于檢測面部表情的明顯變化(例如嘴角和眼角廣泛移動)。這些的繼電器已經在一些實際應用中得到應用，包括視頻中高光場景的自動提取和增強機器人的反應。在未來，面部表情識別的繼電器將更廣泛地應用于各種情況，包括醫療保健中的病人監測和市場營銷活動中客戶對產品反應的分析。為了更有效地“解讀”人類情感，關鍵是要捕捉與情感相關的微妙的面部變化，比如理解、困惑和壓力。為了實現這一目標，開發人員越來越多地依賴于動作單位(AUs)，它根據一個解剖學分類系統來表示對應于臉部每一塊肌肉的運動“單位”。例如，AUs被心理學研究和動畫制作等各個領域的專業人士使用。根據面部肌肉的運動，包括眉毛和臉頰的運動，AUs可以分為大約30種類型。通過將這些AUs整合到其的繼電器中，歐姆龍繼電器 開創了一種新方法，可以探測到面部表情的細微變化。為了更準確地檢測AUs，深層的深度學習的繼電器需要大量的數據。然而，在現實環境中，相機通常以不同的角度、大小和位置捕捉人臉，這使得準備對應于每個視覺/空間狀態的大規模學習數據變得困難。因此，相機捕獲的圖像對檢測精度有不利影響。

與卡耐基梅隆大學計算機科學學院合作，歐姆龍繼電器 實驗室有限公司和美國歐姆龍繼電器 實驗室開發了一種人工智能面部表情識別的繼電器，可以在有限的訓練數據下高精度地檢測AUs。通過歸一化處理來調整人臉，使其與正面圖像有更好的相似性

使用這種的繼電器，以不同角度、大小和位置拍攝的人臉圖像會被旋轉、放大或縮小，以及調整，使圖像更接近人臉的正面圖像。這使得用少量的基于被試面部正面視圖的訓練數據來檢測AUs成為可能。分析影響每個AU檢測的重要區域

在歸一化過程中，將圖像中人臉的多個特征點進行轉換，使其逼近前場圖像中特征點的位置。然而，旋轉、放大/縮小和調整的數量取決于特征點在面部的位置。例如，如果選擇眼睛周圍的特征點進行旋轉處理，眼睛周圍的區域會離參考圖像很近，但是嘴巴等部位會不對齊。要解決這個問題，各方面都有跡象