论文笔记：（微表情综述）Analysis on Emotion Detection and Recognition Methods using Facial Microexpressions.

1.面部表情的自动分析包括三个步骤：获取面部图像，提取并表示感兴趣的数据并识别表情。

2.面部表情计算分析的局限性
表情包含有关人脸身份和表情变化的信息，因此提取的特征通常是表情变化和身份特征的混合体。
（1）光照影响。 从不同方向和不同强度照亮面部的方式对特征提取有重大影响。 如果关键区域（例如眼睛或嘴巴）的光线昏暗，这会影响特征提取并干扰面部表情识别。
（2）只关注于姿势。 心理学家将这些表情按姿势或自发性进行分类，在外观和时间特征方面彼此不同。而自动化检测的面部表情识别系统专注于姿势表情，而我们的日常交互具有自发的面部表情，这大大降低了这些自动化系统的识别准确性。
（3）持续时间短，强度低，数据集小。 大多数研究人员面临着基于微表情识别情绪的一个很大限制是缺乏标准的微表情数据库，这使得训练精确的微表情识别系统非常困难

3.数据表示有两种方法：基于特征的几何方法和基于外观的方法
（1）基于特征的几何方法
在基于特征的几何方法中，使用图像处理技术提取脸部点（唇角，眼中心，眉毛边缘和鼻尖），获得的坐标将创建代表脸部几何形状的特征向量。
（2）基于外观的方法
基于外观的方法逐帧分析视频，并使用图像过滤器提取特征向量。这可以应用在整个脸部或特定区域。

4.面部表情识别方法
（1）基于图像
（2）基于视频
（3）基于3D表面