人脸工程学研究内容分析

人脸是人类情感表达和交流最重要、最直接的载体。通过人脸可以推断出一个人的种族、地域，甚至身份、地位等信息；人们还能通过人脸丰富而负责的细小的变化，得到对方的个性和情绪状态。人脸在人与人的交流中不但能表达友好、敌对、赞成和反对等语气上的信息，甚至可以对话语、语言等语义上的信息进行说明和补充。从古至今，各类艺术创作者一直使用神态各异的人物来表达自己的思想、展现故事的情节。尤其在电影创作中，往往演员的一个眼神就能够将人物的内心展现无遗。正因为人脸在人的情感表达中扮演着重要的角色，人们很早就意识到人脸的重要性。1872年，Carles Darwin就出版了《人与动物的情绪表达（The Expression of the Emotions in Man and Animals）》一书，开始了对人脸表情的研究。长期以来，科学界从计算机图形学、图像处理、计算机视觉、人类学等多个学科对人脸进行研究。在这些领域中，人脸的识别、获取、生成和模拟一直是难点和热点。人脸的识别、获取、生成和模拟正是人脸工程学研究的主要内容。

人脸工程学研究是指以人类学、心理学、脑科学、人文科学、认知科学、信息科学、人工智能等学科为理论基础，利用工程的方法和技术（尤其是信息技术），对人脸（包括识别、建模与重构及其应用等相关内容）进行研究。人脸工程学的研究内容主要包括人脸识别、表情识别和人脸合成三部分。

1.人脸识别

广义的人脸识别是指分析待识别的人脸图像，从中提取出有效的信息，并与数据库中的已知人脸信息进行比较，从而得出决策或认证信息的一种技术。其研究内容包括以下五个方面：

（1）人脸检测 从各种不同的背景中检测是否存在人脸，并确定其位置、大小、形状、姿态等信息的过程。它关系到后续识别工作能否正确进行，并保障最终识别结果的可靠性。

（2）人脸表征 确定表示检测出的人脸和数据库中的已知人脸的描述方式。通常的表示方法包括几何特征（如欧氏距离、曲率、角度等）、代数特征（如矩阵特征矢量）和固定特征模板等。

（3）人脸鉴别 即狭义的人脸识别，就是通常所指的将待识别的人脸与数据库中的已知人脸进行比较，得出相关信息。这一过程的核心是选择适当的人脸表示方式和匹配策略，系统地构造与人脸的表征方式密切相关。

（4）表情/姿态分析 即对待识别人脸的表情或姿态信息进行分析，并对其加以归类。

（5）生理分类 对待识别人脸的物理特征进行分类，得出其年龄、性别、种族等相关信息，或从几幅相关的图像中推导出希望得到的人脸图像，如从父母的脸像推导出孩子的脸像等。

本书中的人脸识别主要是指狭义的人脸识别，指将待识别的人脸与数据库中的已知人脸之间进行匹配的人脸鉴别。(www.xing528.com)

人脸识别的目的是让计算机具有通过人脸的特征来鉴别身份的功能。基于人脸特征的身份识别主要涉及复杂场景中的人脸检测及识别技术，是一种依托于图像理解、模式识别及计算机视觉、统计学和人工智能等高技术的研究方向。

2.表情识别

表情的研究融合了多个学科、多个领域，计算机人脸表情识别的定义是：利用计算机对人脸的表情信息进行特征提取分析，按照人的认识和思维方式加以归类和理解，利用人类所具有的情感信息方面的先验知识使计算机进行联想、思考及推理，进而从人脸信息中去分析理解人的情绪，如快乐、惊奇、愤怒、恐惧、厌恶、悲伤等。计算机表情识别的主要目的是利用计算机进行人类表情的模拟和分析，进而更好地理解面部表情在艺术、人际交往，特别是非语言交流以及情绪加工中所起的作用。

3.人脸合成

人脸合成可以分为两类：基于模型的人脸合成和基于图像库的人脸合成。

基于模型的人脸合成研究的内容主要分为两个部分：人脸建模和人脸动画。

人脸建模主要研究人脸模型的静态建模、合成人脸模型的几何外形特征和纹理特征。其中，既包含了如何合成同一个人脸模型在不同的表情和动作状态下形状和纹理特征，也包含了如何合成不同人脸模型的形状和纹理特征。

人脸动画则研究人脸模型的动态过程，研究人脸模型在表情和动作变化过程中，几何外形和纹理的变化，以及如何有效地驱动人脸模型做出复杂的表情和动作。

基于图像库的人脸合成步骤是：从一个事先建立好的真人图像库中根据一定的规则挑选视频片断，然后做相关的图像处理，最后进行拼接，从而达到合成的目的。