項目學習——人臉表情檢測與屬性分析
【項目情境】
隨著技術的發展，越來越多的學校開啟了智慧校園管理模式，將人臉識別技術應用于攝像頭監控，對學生、教職工、及陌生人進行實時檢測定位，解決校園安防監控、校內考勤、學生自助服務等場景的需求，打造智能化校園管理，提升校園生活體驗和安全性。如圖示校園人臉識別閘機系統就是智慧校園管理場景之一。?

【知識儲備】
生物特征識別技術作為重要的智能化身份認證技術，在教育領域得到廣泛的應用。人臉識別是典型的計算機視覺應用，該技術劃分為檢測定位、面部特征提取以及人臉確認三個過程。
根據要求，回答問題。
（1）常見的生物特征識別包括人臉識別、

ABCE

ABCE

，主要應用于考勤、門鎖、樓宇對講、支付等場景。（多選）
A.指紋識別
B.指靜脈識別
C.聲音識別
B.光學字符識別
E.虹膜識別
（2）人臉識別閘機系統主要由管理軟件和

ABCDE

ABCDE

硬件設備組成。（多選）
A.通道閘機
B.紅外感應器
C.高清攝像頭及人臉識別終端
D.通道狀態指示燈
E.服務器（控制主機、管理電腦）
（3）人臉識別過程是：①人臉對比，②人臉檢測，③開閘放行，其正確的順序是

②①③

②①③

。
【項目實施】探索人臉表情檢測與屬性分析
人臉檢測與屬性分析——探索人臉表情識別技術
人臉識別技術的不斷發展包括人臉實名認證功能、活體檢測、人臉檢測與屬性分析、人臉對比與人臉搜索等功能。據心理學家A.Mchnabia的研究表明，通過人臉表情傳遞的信息能達到信息總量的55%，因此研究人臉表情變化至關重要。目前人們對表情識別的研究大都是從靜態圖像或者圖像序列中提取表情特征，然后根據這些特征信息通過設計相應的分類算法把表情歸為某一類別以完成分類任務。
（一）明確需要采集的數據，并對數據進行預處理。
由于輸入圖像的來源，采集環境不同等因素，在得到數據之后，通常的情況下，人臉表情圖像中往往包含有各種環境條件的限制和干擾，這樣會對圖像的重點部分造成影響，所以要考慮在獲取圖像數據之后就要突出圖像中感興趣的特征，而且減弱無關的特征信息。根據要求，回答問題。
（4）網絡上關于人臉表情的描述包括文本、視頻、圖像等，這些數據種類的格式各不相同。表明各種

結構化、非結構化

結構化、非結構化

數據（選填：結構化、非結構化）共存于網絡中。
（5）互聯網中用于研究人臉表情的數據集來源分散，存儲在互聯網不同的服務器與客戶終端且格式有所不同。從大數據存儲與計算的角度來看，此現象表明大數據具有

分布式存儲

分布式存儲

的特征。（選填：價值密度低、變化速度快、分布式存儲、樣本漸趨于總體）
（6）小組成員使用爬蟲程序獲取圖片數據并形成人臉表情庫文件，所采用的數據采集方法

網絡數據采集法

網絡數據采集法

。（選填：系統日志采集法、網絡數據采集法、其他數據采集方法）
（7）在獲取圖像數據之后就要突出圖像中感興趣的特征，減弱無關的信息。以下

ABDE

ABDE

信息會影響圖像中人像的表情分析。（多選）
A.光照
B.陰影
C.黑白照片
D.背景雜斑
E.而部遮擋
（8）為了消除圖像中無關的信息，保證得到較清晰的圖像，數據分析中

特征探索

特征探索

分析方法的主要任務是實現對數據進行預處理。（選填：特征探索、關聯分析、聚類分析、數據分類）
（二）分析數據。
第一步：人臉檢測及人臉特征點定位。
人臉表情檢測是要找出圖像中人臉的大概區域，對于任意一幅給定的圖像，通過算法搜索圖像，判斷圖像中是否存在人臉。而人臉特征點定位則是要更加準確的定位出眼睛、眉毛、鼻子、嘴巴輪廓等一些人臉區域中的關鍵部位。根據要求，回答問題。

（9）本次實驗將人臉檢測轉換為一個圖像分類問題，需要區分人物與背景，將人臉從整個圖像背景（如樹、天空等）中分離出來，最終標記定位人臉的存在。該算法（圖a）主要使用

選擇

選擇

結構（選填：選擇、順序）對

人臉和非人臉

人臉和非人臉

（選填：人臉和非人臉、明背景與暗背景）進行篩選。
（10）觀察圖b,在進行人臉特征點定位時人臉表情特征點越

多

多

（選填：多、少）檢測結果越準確。?
第二步：表情特征提取。人類有著豐富的情感表達，在未知表情種類的前提下，通過聚類分析的數據分析方法對大量表情數據進行訓練得到如圖所示的7種表情類別。?

第三步：預測表情。預測的原理是感應、判斷、歸納，根據現有的各類表情，進行判斷歸類，便可預測出結果。
表情分類是指通過設計分類機制來對表情進行分類，將表情歸入相應的類別。根據要求，回答問題。
（11）常用的分類方法是按照感情分類，根據現有的表情分類準則通過

數據分類

數據分類

方法對未知數據進行預測。（選填：聚類分析、數據分類、關聯分析）
（12）挑選合適的詞語或對應的字母完善人臉表情識別系統工作的過程（如圖）。
選填：A.特征分類B.特征提取C.預處理D.圖像獲取E.識別表情?
①

D圖像獲取

D圖像獲取

人臉圖像

②

；C預處理

；C預處理

→③

B特征提取

B特征提取

→④

A特征分類

A特征分類

圖像測試

⑤E
（三）數據的可視化。數據可視化可以把枯燥乏味的海量數據以豐富的視覺效果呈現出數據所反映的本質問題，有效提升數據分析的效率。如圖所示選用的分組柱形圖將表情分類數進行數據可視化呈現。在以上表情分類中，厭惡表情出現的次數較少。

【項目總結】人臉檢測與屬性分析項目流程首先從圖片中提取臉部影像，然后對臉部的特征點進行定位，通過臉部的特征點進行表情識別，最終得到識別結果。
（13）進行該項目研究的意義在于

BCD

BCD

。（多選）
A.人臉識別在數據處理和存儲方面較簡單
B.對人員自動人臉識別，未經登記授權限制進入
C.根據人臉等生物特征智能查詢進出記錄
D.打造智能化校園，提升校園生活的安全性