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）和中国科学院心理研究所举办、CSIG机器视觉专业委员会和CSIG情感计算与理解专业委员会联合承办，中国科学院心理研究所的王甦菁博士组织一系列云上微表情的学术活动。
第三十期云上微表情将于2022年7月31日晚上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。此次讲座邀请到来自东南大学的宋腾飞博士和中国科学院心理研究所的在读硕士生鲁绍愿分别从计算机视觉和心理学领域介绍其基于面孔肌肉线索的情感计算研究。
讲者简介
宋腾飞，东南大学博士，伦斯勒理工访问学者，主要研究方向为情感计算，图神经网络，概率图模型，计算机视觉等方向，近年来在CVPR、NeurIPS、AAAI、IEEE TAFFC等国际会议及期刊发表多篇论文。获得IEEE TAFFC最佳论文奖。
报告内容：基于图神经网络的情感识别研究
情感识别能够帮助机器捕获人类的情感状态，是人机交互及实现人工智能不可或缺的技术。本次报告将介绍图神经网络方法在情感识别中的一些应用，包括了图神经网络关系表示及信息传播方式的一些创新工作，展开介绍基于不确定性图的人脸运动单元信号关系建模、基于概率图知识嵌入的人脸运动单元的空间语义关联及时间依赖关系表示和混合信息传播模型。希望通过双向交流促进情感识别技术的进一步发展。
鲁绍愿，中国科学院心理研究所微表情应用研究中心硕士在读，导师为王甦菁副研究员。本人的主要研究兴趣聚焦于微表情的生理机制及其应用。
报告内容：通过面部肌电信号探究微表情的强度特征
当前针对微表情特性量化的研究主要集中在其持续时间，而对其低强度动作特性的关注很少。我们团队首次基于客观生理指标，即面部肌电信号，量化微表情的动作强度。相关成果：A more objective quantification of micro-expression intensity through facial electromyography，已被ACMMM2022 workshop FME接收。