CSIG云上微表情第九期研讨会成功举办--ICIP2020微表情挑战赛

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，由中国图象图形学学会（CSIG）主办、CSIG机器视觉专业委员会承办，中国科学院心理研究所的王甦菁博士组织了一系列云上微表情的学术活动。

第九期云上微表情于2020年11月27日晚7点进行，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。此次讲座的主题是ICIP2020微表情挑战赛，首先由主要组织方台湾国立交通大学郑文皇教授团队的谢洪霞博士研究生对大赛进行了简要介绍，之后邀请到了大赛的第一名和第五名团队：来自合肥工业大学的郑仕鑫所在的团队和来自台湾国立宜兰大学的张皓云所在的团队进行了方法介绍。本次报告得到了微表情研究领域的广泛关注，期间有五十多位听众参加了此次讲座。

此次讲座主要分为三个部分，首先谢洪霞博士研究生对ICIP2020微表情大赛进行了简要介绍，然后由大赛第一名（郑仕鑫）和第五名（张皓云）团队分别对其微表情识别方法进行了介绍。

1. ICIP2020微表情大赛简要介绍

ICIP2020微表情挑战赛（http://mer2020.tech/）是由台湾国立交通大学的郑文皇教授、帅宏翰博士、谢洪霞和罗婈两位博士研究生、OPPO Mobile的Kuang-Ting Chuang博士、中国国科学院心理研究所的王甦菁博士、英国曼彻斯特城市大学的Moi Hoon Yap博士和中国西南大学的陈通博士联合组织的。

谢洪霞首先回顾了由中国科学院心理研究所王甦菁博士参与组织的三届微表情挑战赛（MEGC2018, 2019, 2020）和目前发展自动化微表情识别面临的局限，即标注的样本量少的问题。她接着介绍了通过可控人脸动作单元（Action unit, AU）强度的对抗生成网络（AU-ICGAN）生成微表情样本的方法，该方法为微表情识别挑战赛提供大量的训练样本。下图分别为AU-ICGAN和生成样本示例。

之后谢洪霞还介绍了挑战赛的评价标准、参与方式和提交方法等细节，共有来自11个国家的32个团队注册了挑战赛，其中12支队伍参与了最终的测试。

(1) 第一名团队-合肥工业大学-郑仕鑫

获得挑战赛第一名的是来自中国合肥工业大学情感计算研究所的郑仕鑫同学所在的团 队。

在简要介绍了目前主流的微表情研究方法以后，郑仕鑫同学介绍了他们提出的CAL微表情识别网络，微表情样本分别通过AU特征提取和基于CNN的人脸特征提取，融合后进入LSTM网络进行最后的情感分类。

然后郑仕鑫同学展示了微表情识别的结果分析，并得到了以下结论：结合AU的信息提取对微表情识别性能提升有帮助；通过预训练模型来代替人脸也许比直接使用人脸在实际应用中更有效。

(2) 第五名团队-台湾国立宜兰大学- 张皓云

获得挑战赛第五名的是来自台湾国立宜兰大学的张皓云所在的团队。该团队以及本次大赛的第二名和第三名团队都由林斯寅博士指导，而后两个团队相关同学已经毕业，无法在本次报告中介绍工作。

张皓云同学分别介绍了提交给挑战赛的六次识别方法框架，展现了该团队在基于特征点的几何特征、纹理特征、基于神经网络提取特征等方面的探索，以及他们在基于帧和基于时序识别的性能差异方面的研究。

在讨论环节，听众们踊跃发言，提出了很多非常有讨论意义的问题。其中，来自台湾国立交通大学郑文皇教授团队的罗婈博士研究生为听众们详细介绍了挑战赛中样本生成网络的构成，两位讲者也回答了听众关于方法细节的问题。

在活动的最后，讲座的主持人李婧婷博士对活动进行了总结并对第十期CSIG云上微表情活动进行了预告。敬请继续关注！

此次讲座的回放已经发布在B站：https://www.bilibili.com/video/BV1rt4y1a7dt，欢迎观看！