面向精神健康监测的表情与微表情识别研究取得进展
我国各类心境障碍和焦虑障碍患病率呈逐年上升趋势，其中65岁以上人群的痴呆症患病率为5.56% (近1000万人)，心理与精神疾病已成为制约我国人口预期寿命提高的重要因素之一。党中央、国务院高度重视人民健康，习总书记多次强调要贯彻预防为主的方针，强调每个人是自己健康第一责任人。心理与精神类疾病具有缓慢性、长期性和不易察觉的特点，对于不具备相关专业知识的个人，很难在日常工作与生活中发现心理与精神类疾病问题。因此，研究面向个人主动健康监测方法与技术，对于实现心理与精神类疾病的早发现、早干预、早治疗具有重要意义。
面部表情与微表情在人际沟通的非语言交流过程中扮演着重要作用，相较于语言有时候更能体现人的情绪情感，进而反映人的心理和精神健康状态。利用表情与微表情识别等视觉分析技术辅助进行心理与精神健康状态监测，具有便捷、友好、非侵扰，以及不依赖专业设备等优点。为此，中国科学院计算技术研究所VIPL研究组和法国国家信息与自动化研究院（Inria）STARS研究组对面向精神健康监测的表情与微表情识别方法开展研究，并在阿尔茨海默病(AD)冷漠症预测中开展验证。
中科院计算所研究团队针对应用场景中标注数据少、视觉信号弱、视频序列长等挑战，研究并提出了由一般到具体的模型迁移和融合时空上下文建模方法，并在面部动作单元识别、专注度预测和遥测式生理信号测量等任务中取得好的效果。双方联合提出了融合时空与通道注意力机制的视频序列建模方法，用于基于人脸视频的心率测量，研究工作获得IEEE FG 2019最佳海报论文奖。合作方法国Inria研究团队则致力于长视频系列的AD病人行为监测研究，并取得进展。Inria研究团队与本地医院合作建立观察室，采集了包含18名冷漠症患者和27名对照组就诊者在正负向叙事情境下的视频序列。双方通过在表情识别和AD病人行为监测方面优势互补，提出了基于表情、视线、姿态等多线索融合的AD冷漠症预测方法，取得超过95%的平均分类准确率，并且在男性和女性的冷漠症组与对照组之间都呈现较好的区分度（图1），研究工作近日在IEEE Transactions on Circuits and Systems for Video Technology在线发表。论文共同通讯作者为中科院计算所的韩琥副研究员和原Inria STARS研究组的Abhijit Das博士。
图1 方法对男性和女性的冷漠症组与对照组之间区分度
研究工作获得国家自然科学基金、中国科学院国际伙伴计划、中科院青年创新促进会的资助。