人脸微表情识别技术在人工环境评价中的应用

    本书主要介绍通过人脸微表情识别完成对人工环境舒适性的评价，主要包括以下章节的内容：（1）摘要。主要介绍目前常用人工环境舒适性评价方法存在的不足，以及基于人脸微表情识别的人工环境舒适性评价方法的思路。（2）人工环境舒适性评价方法概述。介绍目前主流的人工环境舒适性评价方法，从接触式、半接触式和非接触式三个方面进行阐述，分析比较各种方法的优缺点，以及人工环境舒适性评价方法的发展趋势。（3）深度学习。介绍人脸微表情识别模型的理论基础即深度学习网络，主要介绍深度学习网络的结构、超参数选择、优化、网络搭建、网络训练等。（4）基于人脸微表情识别的人工环境舒适性评价。首先，在不同环境舒适性的人工环境下，采集人脸面部微表情，对采集到的人脸微表情进行人脸检测、人脸分割、人脸对齐、图像质量评价等预处理。其次，分析各种舒适度的人工环境中，人脸微表情的变换；然后，利用舒适\不舒适环境中的人脸微表情构建基于环境舒适性的人脸微表情数据库。最后，利用卷积神经网络网络（Convolutional Neural Network， CNN）构建“基于人脸微表情识别的人工环境舒适性评价模型”。（5）基于人脸微表情识别的人工环境舒适性自动评价系统及应用。构建一个具有闭眼图像、非正面图像自动筛选功能，提供实时数据采集设备数据接口，可视化显示的基于人脸微表情识别的人工环境舒适性自动评价系统。该系统可以通过实时检测人脸微表情，完成环境舒适性评价，根据评价结果课进行个性化舒适环境的营造。（6）展望。主要介绍本书方法未来的发展及研究方向。

    本书主要介绍通过人脸微表情识别完成对人工环境舒适性的评价，主要包括以下章节的内容：（1）摘要。主要介绍目前常用人工环境舒适性评价方法存在的不足，以及基于人脸微表情识别的人工环境舒适性评价方法的思路。（2）人工环境舒适性评价方法概述。介绍目前主流的人工环境舒适性评价方法，从接触式、半接触式和非接触式三个方面进行阐述，分析比较各种方法的优缺点，以及人工环境舒适性评价方法的发展趋势。（3）深度学习。介绍人脸微表情识别模型的理论基础即深度学习网络，主要介绍深度学习网络的结构、超参数选择、优化、网络搭建、网络训练等。（4）基于人脸微表情识别的人工环境舒适性评价。首先，在不同环境舒适性的人工环境下，采集人脸面部微表情，对采集到的人脸微表情进行人脸检测、人脸分割、人脸对齐、图像质量评价等预处理。其次，分析各种舒适度的人工环境中，人脸微表情的变换；然后，利用舒适\不舒适环境中的人脸微表情构建基于环境舒适性的人脸微表情数据库。最后，利用卷积神经网络网络（Convolutional Neural Network， CNN）构建“基于人脸微表情识别的人工环境舒适性评价模型”。（5）基于人脸微表情识别的人工环境舒适性自动评价系统及应用。构建一个具有闭眼图像、非正面图像自动筛选功能，提供实时数据采集设备数据接口，可视化显示的基于人脸微表情识别的人工环境舒适性自动评价系统。该系统可以通过实时检测人脸微表情，完成环境舒适性评价，根据评价结果课进行个性化舒适环境的营造。（6）展望。主要介绍本书方法未来的发展及研究方向。