Машинное и глубокое обучение в распознавании выражений лица: обзор на основе лицевых двигательных единиц

Распознавание выражений лица (FER) приобретает всё большее значение в инженерных приложениях, охватывающих безопасность, здравоохранение, взаимодействие человека и робота и интеллектуальные системы. Точное распознавание эмоциональных состояний по мимическим признакам особенно важно для обеспечения возможности автономных систем интерпретировать намерения человека в динамичных условиях. В данном исследовании представлен обзор последних достижений в области FER с акцентом на методологии машинного обучения (ML) и глубокого обучения (DL), разработанные в период с 2019 по 2024 год. Особое внимание уделено обнаружению лицевых двигательных единиц (FAUD) как промежуточному и физиологически обоснованному представлению для распознавания выражений лица. Проанализированная литература систематизирована в соответствии с конечной областью применения предлагаемых моделей; выделены подходы, ориентированные на FAUD, ориентированные на FER, использующие AU для FER, а также подходы FAUD-to-FER. На основе этого структурированного сравнения в обзоре выявлены методологические тенденции, закономерности представленных показателей эффективности и условия, при которых промежуточное моделирование на основе FAUD оказывается особенно эффективным для надёжного распознавания выражений лица.