全文总字数：2749字

1. 研究目的与意义及国内外研究现状

微表情早在1966年就被心理学家haggard 和isaacs 研究发现，他们普遍认为微表情是一种防御机制，是一种不容易被轻易察觉的面部表情，通常是一种压抑了一段时间的情感。而除了haggard 和isaacs 以外，ekman和friesen先后也对于人们的这种不易被察觉的表情有了一定程度的研究，并将其命名为“微表情”。微表情指人们试图压抑或掩藏自己真实情绪时流露出的特别短暂的、不能自己控制的一种表情。

学习识别微表情是了解面孔背后人的真实情感和真实状态的关键，能帮助人们更好的解读他人的真实意图和情绪状态，从而促进人际交往。除此之外，微表情作为一种泄露人内心活动的外在表现，我们也可以通过它去认识和了解“抑郁症”，因为在心理学研究中，科学家们发现抑郁症患者表情识别正确率普遍低于健康人，在有了这样的结论的情况下，我们可以通过测试人们对微表情的识别能力判断出一个人抑郁症的严重程度。同时它也是用来测谎的重要线索之一，关于这一点可以应用在司法领域。

微表情的识别研究算是一项心理学与计算机的交叉研究，而这样的交叉研究其实是势在必行的，因为光靠人的双眼去识别微表情，即便是经过训练，正确率也没有计算机处理得到的结果高，所以进行这样的研究，既是在推动心理学向前发展，也是在推动数据处理能力向前发展。

国内外研究现状

人脸微表情涉及图像处理与分析、模式识别、计算机视觉、计算机图像学、人工智能、生物

2. 研究的基本内容

1）预处理

包括三部分，即人脸检测及配准、人脸切割和图像归一化。

2）特征提取

3. 实施方案、进度安排及预期效果

实施方案

以matlab作为编程语言，结合最小二乘回归（lsr）方法，让模型学习一种回归系数矩阵从而实现该模型的优化。具体的实验是在casme ii和smic微表达数据库之间进行广泛的跨数据库实验。

进度安排

从2019年1月开始，到2019年4月份。一共4个月。

2019年1月：查阅微表情识别相关文献，学习中南大学关于matlab编程的公开课，对微表情和matlab算法有初步的了解，并在这样的基础上完成任务书的撰写；

4. 参考文献

[1]王甦菁. 微表情自动识别最新进展[a].中国心理学会.第二十一届全国心理学学术会议摘要集[c].中国心理学会:中国心理学会,2018:1.

[2]李传烨. 微表情识别关键技术研究[d].山东大学,2018.

[3]施徐敢. 基于深度学习的人脸表情识别[d].浙江理工大学,2015.