前面专栏中，我们介绍了有关基于图片/视频的人脸表情识别的相关内容，也了解了通过回归的方式来理解表情的方式——基于连续模型的人脸表情识别。在专栏的最后一篇文章中，我们将分享计算机视觉领域中围绕情绪识别主题的一些会议和相关竞赛。
作者编辑
Menpinland
随着计算能力的提升、神经网络研究的步步深入，人工智能在机器翻译、行为识别、语音识别以及图像分割、分类、检测等任务中取得了重大突破，推进了这些领域的发展。配以图像、语音识别的人工智能已经逐渐能够“看见”、“听见”，然而人机交互的过程中，让机器真正看得懂、听得懂情感丰富的人类的情绪状态，依然是一个很大的挑战。
未来想让计算机实现真正的人工智能并服务于人，并与人类产生自然的智能化的人机交互，计算机必须具备情绪识别和表达能力，需要具备情感。情绪识别是与人工智能相关的领域，它可以帮助计算机智能的识别人类情感。随着情绪识别领域的不断发展，人们对情绪识别的研究也越来越多，并在人机交流等不同的应用领域中占有重要的地位[1]。由于人脸表情是最容易获取且最直观反映人的情绪状态的模式，因此在所有情绪识别研究的分支中，基于人脸表情的情绪识别是最早也是最热门的一个分支。
早期的研究者将表情定义为六种基本的情绪：开心、悲伤、惊讶、害怕、厌恶、生气，并通过让相关研究人员或专业的演员在实验室条件下进行“摆拍”获得不同类别表情的方式构建数据集（后续有相关研究对基本情绪类别进行了扩充）。但随着研究的深入，人们发现通过上述的方式进行情绪识别的研究存在着一些弊病：（1）现实当中人脸会出现遮挡、头部姿态变换以及光照变换等更复杂的情况，而且人在自然条件下的表情也不会有在实验室条件下通过“摆拍”得到的表情那么明显。因此，在理想条件下训练得到的算法模型面对现实更苛刻的条件，识别率自然大大下降。（2）将情绪定位为若干类别并不适用于每一种应用场景，如识别驾驶员的情绪更