面部识别系统毕业论文

通过面部表情来识别人的心理

通过面部表情来识别人的心理，生活中，想知道一个人内心在想什么，其实是有方法的，我们可以通过人们的面部表情，来识别人的心理变化。那么大家知道要如何通过面部表情来识别人的心理吗？下面和我一起来了解一下吧！

在人们日常交流中，只有7%的信息是通过语言来传递的，55%的信息是通过面部表情来体现的。可见，表情信息在人们之间交流的重要性。

随着人工智能和模式识别的不断发展，人机智能交互中的一项重要技术——人脸表情识别也受到关注。人脸表情识别主要是利用人脸识别技术，对人脸的表情信息进行特征提取并归类，使计算机能获知人的表情信息，进而推断人的心理状态，从而实现人机之间的高级智能交互。

从识别模式来看，人脸表情识别与我们的行为心里学是一致的。行为心里学有一个说法是瞬间识人的超级心里密码是在第一时间看对方的脸。通过表情判断一个人的心里情况，也就是通过细小的表情和微小的动作来观察对方的心里，对即将发生的事情做出一个准确推断。

目前，人脸表情识别的应用领域主要是安全领域、智能机器人研制、电脑游戏、医疗领域等。并且人脸表情识别主要定义六种表情生气、厌恶、害怕、伤心、高兴、吃惊，将人脸划分为若干个运动单元来描述面部动作，这些运动单元显示了人脸运动与表情的对应关系。

人脸表情识别可分为人脸图像的获取与预处理、表情特征提取和表情分类这三部分。基本上与人脸识别在人脸图像的获取和预处理这些环节上是一致的，只是在特征提取方面有区别，人脸识别提取的特征是同一人脸的个体差异，而表情识别提取的特征是同一人脸的不同表情下的差异。

亚里士多德说，脸是心灵的一扇窗，透过表情可以看到一个人的思想。古罗马时期的大哲学家西塞罗也是这一观点的支持者。的确，两千年过去了，面部表情仍然被普遍认为是判断人们感受的一种有效方式，而且不论年龄、性别和文化差异。比如：挑起眉毛表示困惑，微笑表示幸福，皱眉表示悲伤。

但事实果真如此吗？心理学家针对数百篇关于面部表情和潜在情绪之间关系的论文进行了一项分析研究，得出的结论有点儿令人意外：并没有翔实的科学证据表明，人们的日常情绪可以通过面部表情来识别。也就是说，一个没有面带微笑的人，并不意味着他不快乐。

心理学家发现，以城市为生活背景的.成年人，生气时皱眉的机率平均为30%。这就意味着， 人们在生气时，大约有70%的情况是不会皱眉的。相反，人们把皱眉用在了别处，比如，当人们集中注意力时，当有人讲了一个糟糕的笑话时，或者当他们体内有气体时（想要放屁时）。

研究人员得出结论，皱眉，或者面有怒色，是人们表达愤怒的方式之一，但绝不是唯一。人类面部表情之复杂和难以捉摸，不仅限于愤怒，也适用于心理学家定义的六种情绪类别：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。

这让人们对科技公司开发人工智能算法的努力产生了疑问。科技公司总是声称，人工智能算法可以识别面部表情，并计算出潜在的情绪状态。例如，微软声称其"情感分析应用程序"能够通过检测人们的视频片段来判断他们的内心感受。然而，美国俄亥俄州立大学的计算机工程师阿历克斯·马丁内斯对此表示怀疑。他认为，试图根据人脸图像识别人类情绪的做法，事实上是忽略了产生情绪的背景环境的重要性。

首先，面部表情是人们用来交流的许多非语言形式之一，类似的还有身体语言。人工智能识别人的情绪也需要考虑这些因素。而了解情绪产生的背景对于面部表情的解读似乎更为重要。对此，马丁内斯博士引用了一项实验来加以证明。在该实验中，研究人员给参与者展示了一名男子的脸部特写照片，照片上的人嘴巴大张着似乎在尖叫，脸涨得通红。

仅仅根据这一点，大多数参与者会猜想照片上的人非常生气。然而将照片拉到全景，才发现照片实际上是一名足球运动员伸出双臂庆祝进球。他那张局部看起来像是生气的脸，实际上是一种狂喜的表情。

考虑到人们在大部分时间里无法通过表情来准确猜测彼此的情绪状态，马丁内斯博士认为，计算机也不可能做到这一点。他表示："一些公司声称算法可以通过人们的表情来识别他们的情绪状态，并将其应用到比如招聘等场景中，""有些公司要求应聘者提交一份视频简历，然后由一个机器学习系统对其面部表情进行分析，之后得出是否适合雇佣的结论，这种做法真的很令人震惊，因为有些算法可能是基于错误的假设，甚至是一个危险的假设，而在此基础上得出的结论可能是非常可怕、甚至是危险的。"

我倒是见过matlab基于PCA法的人脸面部表情识别，个人感觉很有道理，不过我没这个能力，写不出来，lz可以考虑pca法

＝＝你是本科还是硕士啊论文的话应该主要是算法的研究和改进吧……问题比如：你采用了哪种人脸识别算法你对这种算法的改进在哪里(你不只要说明改进在哪里可能还需要做一些实验收集下数据来对比说明算法在改进后对性能有了提升)新算法比其他算法好在哪里(还是通过实验收集数据对比一下)分析下算法的复杂度(时间复杂度和空间复杂度可能都会要求毕竟图像分析很占空间)然后是怎样进行优化的实验采用的样本是哪些(我们当时用的UCIrvineMachineLearningRepository下面会有CMUFaceImages大家一般都用这个库来作为样本)怎样对实验结果进行量化比较的(标准是什么)如果是模式识别的话还可能关心怎样选的特征值和特征空间(计算量大的话是怎样减少计算量的)训练样本采用的什么算法实验的识别率是多少算法的性能是不是稳定……＝＝我想到的都是本科的问题如果是研究生的话可能还会问的更难