面部與微表情識別實現心理與精神類疾病早發現

　　我國各類心境障礙和焦慮障礙患病率呈現逐年上升趨勢，心理與精神疾病已成為制約人口預期壽命提高的重要因素之一。心理與精神類疾病具有緩慢性、長期性和不易察覺的特點，對于不具備相關專業知識的個人，較難在日常工作與生活中發現心理與精神類疾病問題。因此，研究面向個人主動健康監測方法與技術，對于實現心理與精神類疾病的早發現、早干預、早治療具有重要意義。

　　面部表情與微表情在人際溝通的非語言交流過程中具有重要作用，相較于語言有時候更能體現人的情緒情感，進而反映人的心理和精神健康狀態。利用表情與微表情識別等視覺分析技術輔助進行心理與精神健康狀態監測，具有便捷、友好、非侵擾，以及不依賴專業設備等優點。為此，中國科學院計算技術研究所VIPL研究組與法國國家信息與自動化研究院（Inria）STARS研究組，對面向精神健康監測的表情與微表情識別方法開展研究，并在阿爾茨海默病（AD）冷漠癥預測中開展驗證。

　　計算所研究團隊針對應用場景中標注數據少、視覺信號弱、視頻序列長等挑戰，研究并提出了由一般到具體的模型遷移和融合時空上下文建模方法，并在面部動作單元識別、專注度預測和遙測式生理信號測量等任務中取得良好的效果。合作團隊提出融合時空與通道注意力機制的視頻序列建模方法，用于基于人臉視頻的心率測量，研究工作獲得IEEE FG 2019最佳海報論文獎。Inria研究團隊致力于長視頻系列的AD病人行為監測研究并取得進展。Inria研究團隊與本地醫院合作建立觀察室，采集了包含18名冷漠癥患者和27名對照組就診者在正負向敘事情境下的視頻序列。合作團隊通過在表情識別和AD病人行為監測方面優勢互補，提出了基于表情、視線、姿態等多線索融合的AD冷漠癥預測方法，取得超過95%的平均分類準確率，并在男性和女性的冷漠癥組與對照組之間均呈現較好的區分度（如圖）。

　　近日，相關研究成果在線發表在IEEE Transactions on Circuits and Systems for Video Technology上。計算所副研究員韓琥和Inria STARS研究組博士Abhijit Das為論文的共同通訊作者。研究工作得到國家自然科學基金、中科院國際伙伴計劃、中科院青年創新促進會的資助。

　　方法對男性和女性的冷漠癥組與對照組之間區分度