导读：人脸表情作为人们鉴别情感的主要标志，在沟通交流中起着重要的作用。通过计算机分析人的表情信息，从而推断心理状态，实现人机之间的智能交互。本次分享主题是《人可貌相：人脸表情中的运动单元检测技术》，主要内容分为3部分：
1.表情识别领域概述
2.关键技术简介
3.项目实战
01 表情识别领域概述
图像预处理
人脸检测：在图像中找到人脸区域，并用矩形框框出位置。
特征点检测：根据检测的特征点之间的变换关系作人脸对齐等工作。
归一化：主要分为尺度和灰度上的归一化，如：裁切/缩放及光照增强等。
特征提取与分类识别
传统方法：手工设计特征 + 机器学习算法 (SVM / AdaBoost等)。
深度学习方法：CNN (VGG/ ResNet等) + LSTM 。
02 关键技术简介
人脸及特征点检测
OpenCV
Dlib
代码实现与效果演示
卷积神经网络基础架构：
01 卷积层 Convolution Layer
用于提取图像的本质特征，具有局部感知和参数共享这2个特性。
02 池化层 Pooling Layer
沿空间维度对卷积后的特征图进行降维的同时，保留更为重要的信息。使用池化层既可以加快计算速度，也有防止过拟合的作用。
03 全连接层 Fully Connected Layer
用于汇总前面经过多次卷积和池化后得到的图像信息，在整个CNN中起到“分类器”的作用。
03 项目实战
实现方法 ：
Transfer Learning–finetune(微调)
迁移学习，实际上就是把已训练好的模型参数迁移到新的模型来帮助新模型训练。这近似于人类的学习过程 --“举一反三” 。
微调，冻结预训练模型的部分卷积层（通常是靠近输入的多数卷积层），训练剩下的卷积层（通常是靠近输出的部分卷积层）和全连接层。
欢迎大家关注公众号：通信大数据分析及应用