【摘要】：艾克曼等人提出的最广泛被采用的、视觉可分的FACS，是人脸上所有导致面部运动的动作单元的枚举。FACS有两个主要弱点：①动作单元是纯粹的局部化的空间模板。FACS是一种基于人工观测的编码系统，旨在区分人脸面部特征的微小变化。FACS的某些特定组合代表了某些特定的表情，在评价表情变化时，对人脸表情与FACS特定组合之间的对应关系进行了探索，总结出了一定的规律，具体数据见表3-3。
艾克曼等人提出的最广泛被采用的、视觉可分的FACS，是人脸上所有导致面部运动的动作单元的枚举。当一些肌肉产生了不只一个动作单元时，这个动作单元与肌肉单元不是一一对应的。然而，用这种“僵化”的运动描述来编码的运动系统是不很令人满意的。FACS有两个主要弱点：①动作单元是纯粹的局部化的空间模板。真实的运动几乎从来没有完全局部化的；艾克曼本人把这些运动单元描绘成非自然类型的脸部运动；②没有时间描述信息，只是一个启发式信息。FACS中数据的分析只是单纯地描绘动作单元（AU），或者把FACS通过字典规则转化成情绪。对此而言，现在的系统只简单地应用了线性的叠加。FACS的其他局限是：不能精确描绘眼睛、嘴唇的运动；不能描绘连贯一致性运动。尽管在计算机图形学中使用基于肌肉的模型缓和了一些问题，但此方法还是太简单，不能精确描绘真实的脸部运动。
FACS是一种基于人工观测的编码系统，旨在区分人脸面部特征的微小变化。通过观察慢动作的人脸行为录像，培训过的观测人员可以根据动作单元，对所有的面部行为进行FACS编码。在编码时，把面部可见的变化划分为（块区域：眉毛、眼睛、鼻孔及附近皱纹、舌头、面颊、嘴唇、下巴、脖子。对每一块区域的可见变化都有精细区分的编码，它们的组合构成了最后的编码。FACS的某些特定组合代表了某些特定的表情，在评价表情变化时，对人脸表情与FACS特定组合之间的对应关系进行了探索，总结出了一定的规律，具体数据见表3-3。
表3-3 人脸表情视频数据库(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
