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、CSIG情感计算与理解专业委员会和中科院青促会心理所小组联合承办，中国科学院心理研究所的王甦菁博士和李婧婷博士组织一系列云上微表情的学术活动。
第六十期云上微表情于2025年01月26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。此次讲座邀请到北京建筑大学王雪平博士带来主题为“基于认知学引导双分支网络的人脸表情识别”的学术报告，欢迎大家关注！
王雪平，博士，北京建筑大学讲师，主要研究方向为模式识别与图像处理、情感计算等。担任中国图学学会数字媒体专委会委员。近年来主持国家自然科学基金青年项目1项、北京市教委科技一般项目1项、校级青年教师科研能力提升计划项目1项、开放课题1项。在IEEE TAFFC、ACM TOMM、IEEE TCSVT、IEEE TBIOM、ACM ICMR、IEEE FG等国际国内著名期刊会议上以第一作者或通信作者身份发表论文10余篇。
题目：基于认知学引导双分支网络的人脸表情识别
报告摘要：
人脸表情是情绪的外在表现，通常包括宏观表情和微表情两种形式，这两种表情形式为我们理解个体的心理状态提供了重要的支撑。本报告在分析现有表情识别研究现状的基础上，汇报课题组近期在基于认知学引导双分支网络的人脸表情识别的两个研究工作：（1）针对自然场景下存在的大量遮挡和头部姿态变化的干扰，提出了一种基于细粒度关联图表征的人脸表情识别方法，该方法采用分层注意策略，自适应地突出表情显著区域，并通过Transformer捕获判别性细粒度特征，最终生成强相关性的局部细粒度特征关联图，提高模型的判别能力。（2）针对微表情识别过程中判别性空间结构信息学习不足的问题，提出了一种基于聚焦少数显著性时空特征网络的微表情识别方法，该方法通过自适应选择策略和卷积神经网络，学习具有判别性的细粒度结构特征，提升网络对微表情的表征能力。
参考文献：
[1] Chunlei Li, Xiao Li, Xueping Wang, Di Huang, Zhoufeng Liu, Liang Liao. FG-AGR: Fine-Grained Associative Graph Representation for Facial Expression Recognition in the Wild[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2024, 34(2): 882-896.
[2] Chunlei Li, Renwei Ba, Xueping Wang, Miao Yu, Xiao Li, Di Huang. Structure Representation with Adaptive and Compact Facial Graph for Micro-Expression Recognition[J]. IEEE Transactions on Biometrics, Behavior, and Identity Science, 2024.