面部表情识别

2024-10-22

面部表情识别（通用11篇）

面部表情识别篇1

1 概述

人的表情识别在模式识别领域中受到广泛关注, 特别是从静态图像中识别表情比从图像序列中进行难度更大。人的表情信息主要是通过嘴巴、眼睛、眉毛等部位的变化体现出来的, 而这些变化体现在图像中就是图像边缘的变化。而局部二值模式 (LBP) 能够有效的描述图像的局部纹理信息, 并且对由于光照引起的灰度变化具有不变性。

2 提取面部表情的LBP特征

2.1 LBP

LBP的原理是以一个像素点的灰度值作为阈值, 将这个点的3*3邻域点的灰度值与它进行比较, 假设比阈值大的为1, 比阈值小的就为0, 再以一定的顺序将它们连起来就得到一串二进制数, 二进制数转换成十进制数, 就得到了该点的LBP值, 这是基本LBP算子。

然而基本LBP算子的缺点是3*3的邻域太小, 所以将基本LBP算子扩展为任意邻域大小的LBP算子, 记作LBPP, R。它是通过使用圆形的邻域和双线性插值运算来实现的。

对LBP算子的进一步扩展是统一化模式, 通常记作。对于一个LBP二进制位串, 如果其中从0到1或者从1到0的变化不多于两个, 则为统一化LBP算子。然后对于图像每一像素点的LBP模式, 如果是统一化模式则赋值为1, 不是统一化模式则为0, 这就得到了整幅图像的LBP直方图。

2.2 表情图像的LBP直方图提取

LBP直方图主要包含了图像的微小信息, 比如说边缘, 点, 但为了更好的得到图像的特征, 图像的空间特征也是必须的。因此我们将表情图像划分成若干小的, 不重复的区域, 分别计算每一小区域的统一化LBP直方图, 再将各个小区域的统一化LBP直方图连起来就是整幅图像的LBP直方图了。

3 C均值聚类算法和K近邻算法

本文首先使用了C均值聚类算法对表情进行聚类, 得到表情模板。下面是C均值聚类算法的简单描述:首先, 需要确定类别数C, 本文的类别数是7, 分别代表高兴、生气、恐惧、厌恶、害怕、悲伤和中性;然后随机选择训练集中的C个样本作为最初的质心;分别计算训练集中其他样本到这C个质心的欧式距离, 根据最近邻的方法, 将这些训练集进行分类, 此时完成了第1次迭代过程;接下来更新这7个类的质心, 得到新的质心后计算所有训练样本到各个质心的欧式距离, 根据最近邻法再将所有点进行一次分类。就这样反复迭代, 直到达到预设的迭代次数为止。

识别的过程是采用K近邻算法对每个测试样本进行识别。K近邻就是分别计算测试样本与已知样本的距离, 取前k个近邻, 看这k个近邻中属于7类表情中的哪类最多, 那么识别结果就是那一类。

总之, 先采用C均值聚类算法进行表情的聚类, 得到表情模板, 在通过K近邻算法进行分类, 这就是整个识别过程。

4 实验

实验是在日本女人表情数据库 (Japanese female facial expression, JAFFE) 上进行的。JAFFE数据库共有213幅表情图像, 来自于10个日本女人, 每个人20幅图像左右, 每个人7种表情。

实验过程中, 我们将这些图像分为10个部分, 每个人的表情图像对应一部分。我们进行了10次实验, 每次实验采用其中的9部分作为训练集进行训练, 剩下的那一部分图像作为测试集用来进行测试。最终得到10个识别结果, 然后在计算出整个的平均识别率。结果如表1所示。

5 结论

本文所采用的方法在没有人工干预的情况下, 识别率达到了52.7%, 相比其他要人工选取基准点的方法取得了较好的效果。

参考文献

[1]Claude C, Chibelushi, Fabrice Bourel.Facial expression recognition:A brief tutorial overview[J].On-Line Compendium of Computer Vision, 2003.

[2]Caifeng Shan, Shaogang Gong and Peter W.McOwan.Robust facial expression recognition using local binary patterns[J].Image Processing, 2005.

[3]张铮, 王艳平, 薛桂香.数字图像处理与机器视觉[M].北京:人民邮电出版社, 2010:406-408.

[4]边肇祺, 张学工.模式识别[M].北京:清华大学出版社, 2000.

[5]X Feng, M Pietikainen, A Hadid.Facial expression recognition with local binary patterns and linear programming[J].Pattern Recognition And Image Analysis, 2005.

面部表情识别篇2

表情有两层意思,一是指表达感情、情意;二是指表现在面部或姿态上的思想感情。

1.【谄词令色】：说奉承人家的话，扮作讨好人家的表情。

2.【不露形色】：不让思想活动从行动和表情上流露出来。

3.【色飞眉舞】：色：脸色，表情。形容人非常得意兴奋的样子。

4.气势汹汹(qì shì xiōng xiōng) 汹汹：气势盛大的样子。形容气势凶猛。

5.没精打采【méi jīng dǎ cǎi】(形容词) 精：精神;采：神色。形容精神不振，情绪低落，不高兴，不振作。

6.【满面羞愧】：羞愧：感到羞耻和惭愧。满脸都表现出羞耻和惭愧的表情。形容因做错事而内疚和惭愧。

7.【正言厉颜】：话语严正，表情严肃。同“正言厉色”。

8.【颐指气使】：颐指：动下巴示意，指挥别人;气使：用神情气色支使人。不说话而用面部表示表情示意。形容有权势的人指挥别人的傲慢态度。

9.【心不负人，面无惭色】：负：亏欠;惭：羞愧。内心没有对不起人的对方，表情也就会很坦然。

10.【湿哭干啼】：湿哭：有眼泪地啼哭;干啼：没有眼泪地啼哭。形容哭哭啼啼的样子。也泛指因苦楚而呈现出的各种表情。

11.悠然自得【yōu rán zì dé】悠然：闲适的样子;自得：内心得意舒适。形容神态悠闲、心情舒适。

12.【回眸一笑】：眸：眼珠。转动眼珠，嫣然一笑。常用以形容女子妩媚的表情。

13.洋洋得意【yáng yáng dé yì】形容神气十足，非常得意。

14.【一颦一笑】：颦：皱眉。指忧和喜的表情。

15.【宜笑宜颦】：颦：皱眉。一笑一皱眉都符合人的心意。形容女子各种表情都好看。

16.【攒眉蹙额】：攒眉：皱眉。蹙额：皱额头。眉头额头紧皱。形容愁闷的表情。

17.【干啼湿哭】：干啼：没有眼泪地啼哭;湿哭：有眼泪地啼哭。形容哭哭啼啼的样子。也泛指因苦楚而呈现出的各种表情。

18.【色若死灰】：面目惨白。原比喻面部没有什么表情。现形容十分害怕的神情。

19.【眼角眉梢】：指面部的细微表情。

20.捧腹大笑【pěng fù dà xiào】捧着肚子大声的.笑，形容笑得非常厉害。捧腹：笑得过于厉害时肌肉抖动肚子会疼，所以会用手捧着肚子。

21.眉开眼笑【méi kāi yǎn xiào】眉头舒展，眼含笑意。形容高兴愉快的样子。

22.【神飞色动】：形容脸上表情生动。

23.【热肠冷面】：热心肠，冷面孔。形容内心热情，表情却冷漠。

24.【颐指气役】：颐指：动下巴示意，指挥别人;气役：用神情气色支使人。不说话而用面部表示表情示意。形容有权势的人指挥别人的傲慢态度。

25.【摇头叹息】：形容感慨或难过的表情。

26.和颜悦色【hé yán yuè sè】脸色和蔼喜悦。形容和善可亲。

27.破涕为笑【pò tì wéi xiào】涕:眼泪。一下子停止了哭泣,露出笑容。形容转悲为喜。

28.【声音笑貌】：指人的言谈、表情等。

29.【泥塑木雕】：指泥做的和木头雕的偶像。比喻人的表情和举动呆板。

30.【见貌辨色】：根据对方的脸色、表情行事。

31.容光焕发【róng guāng huàn fā】容光：脸上的光彩;焕发：光彩四射的样子。形容身体好，精神饱满。

32.【巧言令色】：巧言：花言巧语;令色：讨好的表情。形容花言巧语，虚伪讨好。

33.【满面春风】：春风：指笑容。比喻人喜悦舒畅的表情。形容和蔼愉快的面容。

34.神采飞扬【shén cǎi fēi yáng】形容人的神色很好，代指心情极好

35.【赛雪欺霜】：欺：超过。比雪冷，比霜寒。比喻表情冷漠、严峻。

36.【眉眼高低】：脸上的表情变化。泛指为人处世的方法。

37.【满面羞惭】：满脸现出了羞愧的表情。

38.【一笑一颦】：指脸上的表情。同“一颦一笑”。

39.【春风满面】：春风：指笑容。比喻人喜悦舒畅的表情。形容和霭愉快的面容。

40.【鉴毛辨色】：根据对方的脸色、表情行事。同“鉴貌辨色”。

41.【含情脉脉】：饱含温情，默默地用眼神表达自己的感情。常用以形容少女面对意中人稍带娇羞但又无限关切的表情。

42.【一嚬一笑】：指不高兴或喜悦的表情。嚬，皱眉。

43.笑逐颜开【xiào zhú yán kāi】逐:追随;颜:脸面,面容;开:舒展开来。笑得使面容舒展开来。形容满脸笑容,十分高兴的样子。

44.【打诨插科】：科：古曲戏曲中的表情动作。穿插在戏曲表演中的能使观众发笑的表演与道白。亦泛指引人发笑的动作与言谈。

45.【眉高眼低】：脸上的表情。泛指为人处世的道理或辨貌观色的本领。

46.【眉高眼下】：脸上的表情变化。泛指为人处世的方法。

47.【颐指进退】：颐指：用面部表情来指挥人。形容指挥别人时态度傲慢。

48.【神动色飞】：脸上显出极为生动的表情。

49.满面春风【mǎn miàn chūn fēng】春风：指笑容。比喻人喜悦舒畅的表情。形容和蔼愉快的面容。

50.【焦眉愁眼】：形容忧虑愁苦的表情。

51.【羞愧满面】：羞愧：感到羞耻和惭愧。满脸都表现出羞耻和惭愧的表情。形容因做错事而内疚和惭愧。

52.垂头丧气【chuí tóu sàng qì】垂头：耷拉着脑袋;丧气：神情沮丧。低着头，精神不振。形容失望懊丧的样子，或形容没有生气。

53.【奴颜婢膝】：奴颜：奴才的脸，满面谄媚相;婢膝：侍女的膝，常常下跪。指表情和动作奴才相十足。形容对人拍马讨好卑鄙无耻的样子。

54.【惨然不乐】：表情凄楚的样子。

55.【不露声色】：声：说话的声音;色：脸上的表情。心里的打算不在说话和脸色上显露出来。

56.【焦眉皱眼】：形容忧虑愁苦的表情。同“焦眉愁眼”。

57.【了无遽容】：遽：恐慌。完全没有恐慌的表情。形容从容镇定。

58.【羞惭满面】：满脸都表现出羞耻和惭愧的表情。形容因做错事而内疚和惭愧。

59.泪流满面【lèi liú mǎn miàn】这是短语，不是成语，形容痛哭的样子。

60.推荐阅读：怎样描写人物心里活动三国人物歇后语《汤姆•索亚历险记》主要人物简介

61.【鉴貌辨色】：鉴：查看;色：指脸色。根据对方的脸色、表情行事。

62.愁眉苦脸【chóu méi kǔ liǎn】情苦：痛苦。皱着眉头，哭丧着脸。形容愁容满面的样子。

63.变色易容】：变、易：改变。色、容：脸色、表情。形容惊惶失措的神情。

64.【咂舌攒眉】：形容人吃酸物的表情或惊讶的神情。

面部表情是怎样形成的篇3

面部表情是怎样形成的?从生理角度看，是由于面部表情肌收缩，出现皮肤皱褶，改变了口裂和眼裂的形状而表现出来的。

表情肌与身体其他部分的肌肉比较，不但薄而短小，而且位置较浅，它起于骨骼，止于皮肤，甚至完全不附着于骨骼上。所以，表情肌收缩时能牵动皮肤和裂口。表情肌分布在眼、耳、鼻、口周围。以环形肌和幅射状肌开关裂口，由于语言的关系，口周围的肌肉特别发达，耳周围肌则明显的退化。

表情肌细分有许多种，它包括：

1额肌：位于额部的皮下是颅顶肌的一部分。它收缩时使额部皮肤产生横纹，并可扬眉，使眼睁开，表现出惊讶的表情，我们向上看物体也由额肌收缩。

2眼周围肌。眼轮匝肌是一块椭圆形扁肌，围绕在裂口周围。其收缩可使眼睑闭合。皱眉肌在两眉之间，收缩时把眉向内下方牵，出现皱眉的表情，可表现出痛苦的情状。

3口周围肌；口轮匝肌位于口裂周围的口唇内，收缩时使口裂紧闭，还可以努咀和吹哨。口周围的幅射肌中，上唇方肌和颧肌可以将口角向外上方牵引，鼻唇沟加深，使面部表现出笑容。笑肌位于口角两侧，它将口角向外侧牵引，显示出微笑的面容。三角肌是一块三角形的下唇肌肉，底在下、尖在口角附近。当三角肌收缩时，使口角下垂，产生悲哀、不满及忿怒的表情。下唇方肌位于下唇内，它与三角肌协同收缩产生惊讶、忿怒的表情。颊肌是面颊部一块位置较深的肌肉，紧贴在口腔侧壁上，颊肌与口轮匝肌共同作用时，不但能作吸吮和咀嚼动作，还能进行吹奏动作，如吹奏乐器、口哨。所以颊肌还有一个外号，叫做吹奏肌，在表情中可使口裂向两侧张大，参与大哭或大笑的动作。

除以上表情肌以外，上睑上提还需要眼眶内的上睑提肌参与作用。

下面再综观一下面部器官变化引起的表情。

1额部皱纹：这是由额肌收缩所引起的。轻度皱纹可以为注意、快乐的表情。皱纹加深则是惊惧、兴奋或十分喜悦。皱纹的消失是由于眼轮匝肌收缩，为庄重、严肃的表情。

2眉：眉的上抬是额肌收缩引起的。根据上抬程度的轻重不同，分别表示注意、快乐，或是奇怪、兴奋。眼轮匝肌收缩使眉下降，这时眉表现无力，就成丧气的表情。下降有力而压低，则表示愤怒。眉若再加上皱眉肌而皱紧并略抬起，那就是失望的表情了。

3眼：睑张开而眼光固定向前望表示注意、考虑问题。张开较大表示诧异或惊恐。张开较大而且眉压低表示愤怒。上睑抬起並向上望则是快乐的表现。上睑无力下垂则表示疲乏或忧愁。

4鼻：鼻根出现横纹表示严肃或思考，鼻根眉间的纵皱纹可以是痛苦的表情，如果同时有鼻的扩大，则表示兴奋。

5口：口的变化对表情肌的影响最大。口角平而口裂闭紧表示注意，口裂平伴有口裂微开表示十分注意。咬上唇表示遐想。口角向上的程度不同，袭情也不同：口微向上提或略微弯起则为微笑；口角向上伴口裂大开为大笑，口角向上而咬下唇来表示喜悦。若口角向下而口裂张开不同，则可以表示悲哀痛苦、恐怖。上唇撅起为鄙弃。上、下唇同时突出则是愠怒的表示。上下唇并紧而收缩表示含怒。张口表示发呆。口张而露出上、下齿，则既可以是大笑，相反还可以是大哭。这其间还会合并其他的面部活动。

面部表情识别篇4

个体面部表情改变时,特定个体学习模型与一般模型相比性能更好。然而,在现实世界中,采集和标记大量特定个体的数据不但耗费大量财力而且在一些场景也不现实,并且从稀疏数据学习存在过拟合问题［3］,因此,提出了一种基于迁移学习的特定个体学习模型。将原样本中的有用信息转移给目标样本,只需少量标记目标样本学习鲁棒模型而没有过拟合问题,目标数据不需被标记,因此,可避免标记的计算负担,实验结果验证了本文方法的有效性及可靠性。

1 相关研究

近年,人脸表情识别( 例如: 高兴、生气、厌恶、害怕、伤心、惊奇等) 和面部运动单元( Action Unit,AU) 状态识别已经得到很大的研究进展,文献[4]对此进行了详细介绍。文献[5]发现与摆好姿势的表情识别相比,自发表情识别的性能下降了很多。

自发面部表情识别最有益的应用是疼痛和不疼痛分类[6]。文献[6]采集肩膀受伤病人自发疼痛表情数据,提出了一种疼痛检测系统,仅利用面部特征,获得的ROC曲线下方面积( Area Under the Curve,AUC) 为0. 751,通过联合形状和面部特征可达0. 839。

文献[7]研究表明,特定个体学习模型在有充足的特定个体数据时可以很好地完成识别任务。因此,为了学习一个特定个体疼痛检测器,将其应用于医疗保健,医生或护士必须对少量病人的数据进行注册和标记然而,从少量数据学习个体模型可能存在过拟合问题。

迁移学习目的在于从一个或更多的源数据提取有用信息并将其添加到目标数据进行学习,已经得到了广泛应用,如目标识别［8］、笔迹识别［9］和文本分类［10］。

仅使用目标数据中的少量标签数据,从目标标签数据学习的分类器可能存在严重的过拟合,迁移学习通过利用源数据集的有用信息解决该问题。文献[11]提出了一种针对对象识别的域适应方法,从标记的对像集中学习非线性变换,将源数据集的数据映射到目标数据集。

文献[12]提出利用格拉斯曼流形学习一个从原子空间到目标子空间的域变换,原子空间的标签数据接近目标数据。文献[13]提出在源数据域学习的有区别的子空间中利用没有标记的目标数据作为正则化项,使得学习子空间能很好地扩展到目标数据域。

直推式迁移学习( Transductive Transfer Learning,TTL)［14］可利用源数据集的有用信息解决过拟合问题,并假设训练和测试数据服从同一分布,故利用TTL完成特定个体人脸表情识别和运动单元状态识别。

2 方法提出

首先对本文迁移学习中符号的使用进行介绍,DT={( xT，i,yT，i)}i = 1，…，NT表示将一个新对象的训练数据作为目标数据,DS= {D1,…,DM}表示将其他M个对象的训练数据作为源数据,其中,Dm= {( xm，1,ym，1) ,…,( xm，Nm,ym，Nm)},x ∈ χ在特征空间且y∈{- 1,+ 1}是二进制标签。例如,在表情识别中,y表示确定人脸表情的出现与否。一个特定个体模型是从目标数据DT学习到的分类器fT∶ xT→yT,然而,目标数据的大小( NT) 很小,仅从DT学习可能存在严重的过拟合问题。

解决该问题最直接的方法是联合源数据和特定个体目标数据,并从{DT,DS}中学习分类器fT。然而,当目标数据大小远小于源数据时,NT< < NS,这种方法可能有问题。在这种情况下,目标数据在联合数据中可能被淹没,因为来自DT和DS的数据样本在学习中被等概率地平分。

相比之下,迁移学习主要关注目标数据的性能,可通过迁移来自足够源数据DS的有用知识学习fT,根据文献[14],迁移学习算法需要两步学习fT。

2. 1 TTL学习特定个体模型

给定标记源数据和没有标记的目标数据,迁移学习利用概率重新分配源数据每个样本(xS,i,yS,i)的权重,其中,pS和pT是源数据和目标数据的边缘分布,并将新分布的源数据用于训练目标数据。

其中,样本权重w( x) 被近似为一个线性模型

式中:øl( x) 是一个对所有x,øl( x) ≥0 的基函数,且 αl是需学习的参数。利用核函数作为基函数,其中,σ 为核宽,xl为从目标数据选择的一个随机样本,随机选择目标区域的一半样本来估计基函数。

基于式( 1) ,目标数据分布可以近似于加权的源数据分布

TTL最小化和pT( x) 的KL差异,考虑{αl}bl= 1,

给定训练数据集,第一项{αl}lb= 1独立,因此,可以最小化第二项

其中,

最优化后,估计{αl}lb= 1并根据式( 1) 计算每个源数据样本的权重。利用源数据的权重去训练一个针对目标数据的Adaboost分类器,源数据样本权重按照Adaboost算法初始化为。

2. 2 KPCA提取特征

利用核主成分分析( Kernel Principal Component Analysis,KPCA)［15］提取特征,算法过程描述如下:

第一步集中给定的n个样本集xk,其中,xk= [xk1,xk2,…,xkn]T∈Rn。PCA旨在找到最大化方差的投影C,即从协方差矩阵中找到特征值,问题变成求解式( 7) 的特征值

式中: λ≥0 是特征值; v∈Rn是特征向量。

核PCA中,输入空间的每个向量都通过非线性映射函数ø: Rn- Rf被投影到高维特征空间Rf中。

因此,特征值计算如下

vø的所有 λ≠0 的解都位于ø( x1) ,…,ø( xn) 范围内,存在系数 αi如

定义N × N核矩阵K,有

将式( 7) 乘以ø( xj) ,代入式( 9) ,得

该特征值问题的解可表示为更简单的特征值问题

特征空间的投影由式( 12) 执行

由此,不需大量计算,使用核函数就能提取k个非线性主成分。

2. 3 识别

给出一个测试样本T,共有N个类,每个类有t个训练样本,利用KPCA特征提取后,将各个样本建模为流形MT=[xT1,xT2,…,xTt],给MT分配一个标记

如果不充分利用所有样本计算流形距离,则会丢失一部分样本的信息。

计算过程如图1 所示,假设yi= WiTMi= [yi1,yi2,…,yit]及yT= WiTMT= [yT1,yT2,…,yTt]为流形Mi及MT经过投影矩阵投影后的低维子空间表示,则它们之间的流形距离为

式中,Bk( yTj) 表示yTj在yi中的k近邻,图中k值取3,d( yTj,Bk( yTj) ) 可通过解决下面的优化问题容易得到

式中: cs为近邻Bks( yTj) 对yTj的稀疏重建系数［16］。

3 实验

为评估本文方法的有效性,分别进行疼痛表情识别和面部运动单元( AU) 状态识别实验。

3. 1 数据集

在PAINFUL数据集［6］上测试本文方法,该数据集包含25 个肩膀受伤病人的视频序列( 48 398 帧) ,当病人转动胳膊时,自动捕捉疼痛表情,通过联合46 种运动单元,定义了7 000多种不同的人脸表情,如图2 所示为PAINFUL数据集上不疼痛和疼痛表情图像示例。

3. 2疼痛表情识别

在PAINFUL数据库上定义了Parkachin和Solomon疼痛强度( PSPI) ,PSPI范围从0 到16 标记PSPI = 0 的帧为负样本且PSPI > 0 的样本为正样本。

与文献[10]相似,在25 个对象上使用留一交叉验证法。对不同的对象,帧数从518 到3 360 变化。针对目标对象,将其连接成长度为Np的序列并选择前N'p帧作为目标数据训练模型。该序列的另一半用于测试。相似地,对NN个负样本,前N'N帧作为目标数据,且最后的帧用于测试。整N

个N'T= N'p+ N'N帧被用作迁移学习的目标数据,保持正负样本比率相同:。

将本文模型与其他文献提出的模型进行比较,每个模型包含50 个弱分类器,当训练样本数为50( 即N'T= 50 ) 时,各个模型的ROC如图3 所示,表1 所示为不同目标数据样本数下各个模型的ROC面积( AUC) ,“一半”表示使用序列的前一半,表2所示为不同目标数据样本数下各个模型的识别率,表3 所示为各个模型训练一个特定个体模型所耗平均时间。

文献[12]模型仅从特定个体目标数据学习Adaboost分类器,当目标数据量有限时,该模型存在过拟合现象( 目标数据样本数为10 时,AUC仅为0. 561,识别率仅为78. 37% ) 。通过增加更多的训练样本,性能得到了改善,但与本文模型相比总是较差。

文献[7]模型通过联合源数据和目标数据的数据学习分类器,由于实验拥有大量的训练数据,可避免过拟合问题。然而,因为该分类器集中在联合数据集,当目标数据足够多时,它在目标域的AUC及识别率不如文献[12]模型。此外,从表3可以看出,由于训练数据量较大,学习过程中耗时较多。

通过增加样本数,文献[6]模型的AUC没有任何改进,可能因为boosting分类器对边缘分布的变化不敏感。

本文模型的性能最佳,优于其他几种比较模型( 仅仅10个样本时,AUC改善到0. 786) ,随着训练样本数的增加,性能得到了进一步改善,当目标样本数为100 时,AUC可高达0. 897,使用序列的前一半时,AUC可高达0. 904,识别率可高达96. 29% 。如表3 所示,由于无需训练新的弱分类器,它是最快的算法,它适合快速重新训练新的目标对象。

Adaboost分类器的训练时间和测试时间与弱分类器数成正比,一个高效算法使用较少的弱分类器即可学习好的Adaboost分类器,图4 所示为不同弱分类器数情况下不同模型的性能。

从图4 可以看出,本文模型仅需5 个弱分类器就可以达到很好的性能( AUC = 0. 818) ,进一步表明了本文模型的高效性。

3. 3运动单元状态识别

由于希望通过联合AU将本文方法扩展到更多的表情识别中,故集中AU识别。在PAINFUL数据库上,集中8 个常用的AU,每帧都标记,图5 所示为AU图像示例。

对每个AU,本文标记存在AU的帧为正样本,其他帧为负样本。使用留一交叉验证法对25 个对象进行评估,使用3. 2 节的方法选择每个对象的目标数据和测试数据,各个模型的比较结果如表4 所示,其中,本文模型的N'T= 50 。

从表4 可以看出,在仅给定一个小目标数据样本时( N'T= 50 ) ,本文模型的性能得到了明显改善,相比其他模型具有更优的性能。依据个体的AU检测,本文模型提升了每个AU的性能,特别是带有小的肌肉运动的AU,这种运动很难被检测到,例如眼睑收紧( AU7 ) 和嘴唇拉长( AU20) 。

4 结束语

为了在最小目标数据量的情况下学习鲁棒的特定个体模型,提出利用迁移学习算法训练模型,通过迁移源数据域与目标数据域相似的信息来消除目标数据域的过拟合问题。在疼痛表情识别和人脸AU识别中,设计实验评估了本文模型,并将其与其他几种模型进行比较,实验结果表明,本文模型在有限的目标数据下能达到很好的识别性能。

为了更大地减少数据采集和标记,未来将对本文模型进行扩展,使其能充分利用没标记的样本或者部分标记样本( 例如仅使用和标记负样本) 。

摘要：针对现实生活中采集的特定个体数据稀疏而导致学习时产生过拟合的问题,提出了一种基于迁移学习的特定个体学习模型。首先,利用直推式迁移学习从源数据提取有用信息并将其添加到目标数据;然后,利用核主成分分析进行特征提取;最后,将各个样本建模为流形,并利用稀疏系数重建和k近邻分类器完成识别。在PAINFUL数据库上的实验结果表明,所提模型在痛苦表情上的识别精度可高达96.29%,ROC下方面积可高达0.904,相比其他几种较新的模型,所提模型取得了更好的识别性能。

面部表情识别篇5

【关键词】情绪;面部表情;判断

中图分类号: S811

1 引言

在人际交往中,人们常常需要通过推断他人的情绪从而进行交流策略的转变。研究表明,表情是非言语社会交流的重要组成部分之一。表情是情绪的行为指标,和早期实验中采用的主观体验相比较而言,行为指标更为科学,因为语言可以轻易地被用来掩饰真正情绪,而行为却常常能暴露人们真实的情绪体验。表情包括面部表情、姿势表情、语音语调等,他们都可以作为行为指标,但最佳指标当属面部表情。许多情绪理论家也认为面部表情传达着有关主体情绪状态的信息。

面部表情是传达情绪信息的重要途径,面部表情的准确判断,对于掌握对方情绪状态有着重要的作用。面部表情的研究最早始于达尔文,他以进化论为基础,认为在所有的文化中,不同面部表情传达着同样的情绪信息,面部表情是原始人用来交流和控制其他物种的一种手段,这种观点对于进化而来的现代人也有同样的功用。自达尔文以后,许多实验者就人们怎样才能准确做出情绪状态的推论问题进行了大量研究。这些研究的基本过程是:向被试描绘一种他人的状态,然后要求被试识别这种情绪,采取的手段包括人物面部素描、声音情绪辨别、实验室中的特殊情境引发情绪等。

已有研究证明,人们之所以能准确判断他人情绪的一个原因在于所有人都使用相同的面部表情表达相同类型情绪。只要提供适当的线索,就可以很容易地判断出某人的情绪,但有些情况下,比如我们生气的时候会把别人善意的或者无意的表情误认为是对自身的一种敌意的表现,这些误会是否表明了不同的情绪状态会对面部表情判断产生影响呢?针对这个问题,本人设计了一个实验,对两者是否相关进行了初探。

2 研究方法与过程

2.1 被试

随机选取某高校本科大一在读学生36名,男女比例为1∶3,所有被试平均分成三个组,每组12人,男生3名,女生9名,年龄都在19～21岁之间,平均年龄为20.16岁,所有被试视力(或矫正视力)正常,均是自愿参加,且均未参加过类似实验。

2.2 实验材料

两套面部表情照片,每套由同一个受过一定表演训练的模特拍成14种不同的面部表情,共28张图片。其中积极情绪4张(包括愉悦、兴奋、惊喜、决心),消极情绪9张(包括沮丧、愤怒、悲伤、怀疑、轻蔑、恐惧、焦虑、厌恶以及生理不适引起的痛苦),中性表情1张(无表情)。其中男、女性模特各两名,挑选最具代表性的面部表情照片,按照适当的比例(每个模特被采用的照片数量差异不可太大)组成按性别分类的两套面部表情照片。

非情绪图片15张,为面积、颜色基本一致的几何图形。

幽默剧和恶心电影片段各10分钟左右。

欢快的音乐与和难听的音乐各一段。

2.3 实验仪器与数据处理

本实验由12台Intel Pentium Ⅲ处理器计算机控制,刺激全屏呈现于15寸显示器。屏幕刷新频率为85Hz,分辨率为800×600。被试眼睛与屏幕中心距离为60cm,实验程序为使用Visual Basic语言设计的应用程序。

实验数据使用Excel和SPSS软件进行处理。

2.4 实验程序

本实验采取情绪诱导法,实验设计方法为被试间设计,将36名被试按照男女1∶3的比例随机平均分为三组,两个实验组(分别为积极组和消极组),一个控制组。

两个实验组的被试进入程序,看完指导语之后,两组被试分别观看幽默剧和恶心电影片段,过程中主试会注意观察每个被试的表情,确定影片的情绪唤起作用。

影片结束后,程序自动关闭放映,被试按照指导语要求进入面部表情测验——28张面部表情照片随机呈现。依据郑付希的实验研究结果,启动的积极情绪至少持续8分钟,但启动的消极情绪会在3分钟左右基本恢复正常。因此,为保持被试当前的情绪状态,测验过程中播放与所引起的情绪相一致的音频文件(如积极组播放欢快的音乐,消极组播放难听的音乐),测验结束后程序关闭,并自动生成文本文件记录被试作答情况,以正确率为指标。

控制组被试进入程序后,首先按指导语提示观看自动呈现的15张非情绪图片,然后与实验组一样进入面部表情判断测试,期间不播放任何音频文件。测验结束后程序同样自动生成文本文件记录被试作答情况,以正确率为指标。

3 结果与讨论

3.1 实验结果

实验数据使用EXCEL和SPSS软件统计,首先将數据录入,整理,进行单因素方差分析(One-way ANOVA),发现组间效应不明显(F = 0.382,Sig. = 0.685)。纳入性别差异作为自变量,继续对结果进行多因素方差分析,结果表明,积极组、消极组、控制组三组被试正确率的组间效应并不显著(F = 0.481,Sig.= 0.623),而由于被试的性别差异引起的主效应却很显著(F = 4.969,Sig. = 0.033),而不同情绪状态的分组和性别的差异的交互作用对实验结果没有影响(F = 0.330,Sig. = 0.722)。

根据对三个组正确率的统计,控制组的平均成绩(67.26%)高于积极组和消极组,而消极组的平均成绩(64.24%)高于积极组(63.39%)。从男女生测验结果的均值来看,在95% 的置信区间内,男性被试的平均正确率明显低于女性被试(M女 = 65.477,M男 = 59.919),可以认为,女性被试的作业水平更易受情绪状态的影响。控制组中的平均成绩均高于积极组和消极组,并且,在三个组中,男性被试的作业水平始终低于女性被试。

3.2 讨论

根据以上实验数据,我们可以发现,不同的情绪状态对于面部表情判断有一定的影响但是并不显著,而男女被试的性别差异才是影响面部表情判断差异的主要原因。那么,又是什么原因导致这些现象的产生呢?

从实验数据中,我们可以看到,无论是男性被试还是女性被试,他们在情绪唤起状态下对面部表情的判断水平(M积极 = 63.39%,M消极 = 64.24%)要低于非情绪状态(M控制 = 67.26%)。这种结果的得出,是与判断者的状态有关的。H. A. Murray、Seymour Feshbach和J. E. Singer也曾用实验证明了这种影响判断的因素。这也引出了下面另一种影响因素——假定相似性。

在通过一个人的面部表情判断其内在情绪的过程中,人们常常有一种强烈的倾向——假定相似性。在弗洛伊德的术语中,假定相似性是一种投射作用,即人们会把他们自己的特性归到他人身上。女性比男性更为敏感、细腻、感性,受暗示性比较强,因此在受到一定的情绪唤醒时,她们较男性来说,更加容易把自己当前的心理状态和情绪体验,投射到观察对象上。而男性一般比较理性,受外界影响不是很大,因此从以上数据看来,在影片施加积极或者消极刺激过后,男性被试的判断正确率始终低于女性被试。同样,由于这种性别特征上的差异,使得统计结果显示,无论在哪种情绪状态下,男性被试对面部表情的判断水平明显低于女性被试。由此,我们可以认为,男性在面部表情判断的敏感度上,要比女性低很多,这对于现实生活情境中的管理、交往等方面的技巧和策略使用具有一定的借鉴意义。

3.3 实验设计的不足与展望

资料显示,A. Schiffenbauer 1974年的实验证明了改变被试情绪会影响他们对照片上他人面部表情的判断,但这和本次实验的结果是有些出入的。数据统计显示,不同情绪状态对于面部表情判断的作用不显著。这可能是由于实验条件的不同导致的。在本次实验中,实验者对被试情绪的保持、噪音、音频文件放映音量、答题时间、座位安排等做了严格的控制。实验中主试观察到实验组的被试在接受情绪诱导材料刺激时均出现了相应的面部表情反馈,并且所有实验组被试在实验结束后也向主试口头反馈了情绪诱导材料引起的情绪唤醒程度,由此,可以确定情绪诱导材料对被试情绪的唤起作用。由于考虑到不同个体的面部表情表现力有差异,因此两套照片选用了四位模特的面部表情照片,但这种方法可能会引起系统误差,或许对实验结果产生了一定影响。在这个方面更合理的做法应当是只选取两位模特各拍摄一套面部表情照片。

本次实验对于无关变量的控制较为全面和严格,但是由于一些技术和设备的问题,显得不够成熟,因此实验者只对这个问题进行了初步的探究。基于早期的一些情绪和面部表情判断的实验研究以及近期的相关研究文献,对于本实验的一些设计方面的缺陷可以经过知识的深化、技术的改进、精准的实验程序以及优良的实验环境加以克服,从而进行更加深入和广泛的探究,并将其研究成果推广至真实的生活环境,运用于人际交往、人事管理等多种领域。

 参考文献:

葛吉艳.消极情绪表情的觉察特点研究探析[J].首都师范大学学报(社会科学版),2005, 3:111-114.

J.L.弗里德曼,D.O.西尔斯,J.M.卡尔史密斯.社会心理学[M].哈尔滨:黑龙江人民出版社,1997:93-108.

隋雪,任延涛.面部表情识别的即时加工过程[J].心理学报,2007,39(1):64-70.

人脸面部表情自动生成系统篇6

1 人脸三维建模

采用3DMAX三维建模工具建立人脸模型, 在VC++条件下使用Open GL编程完成了3DMAX模型的读取与重现, 再用Open GL对其进行控制。对于三维建模工具数据量较大的情况, 采用细节层次 (Level Of Details) 算法进行简化, 删除不必要的边、线、面[1]。

1.1 3DMAX数据文件的存储格式与读取

3DMAX默认的数据文件是*.max文件[2]。*.max文件结构复杂, 数据量庞大, 不仅包括模型网格结构的点和面的信息, 还包括模型的颜色等, 读取比较困难。比较简单直观的文件存储格式是*.ASC。

1.2 在Open GL中读取3DMAX模型

在Open GL中建立自己的数据结构存储数据, 从模型中读取数据将其存储到Open GL的程序中, 建立起Open GL的显示列表[3]。

1.3 关于简化网格算法

通过1.2得到的模型数据量是非常大的, 不适合用作标准模型。要将这一模型进行简化, 去除一些多余的点、边、面, 以简化这一模型的网格数量。这里使用层次细节 (Level Of Details, 缩写为LOD) 简化技术[4]。这一技术通过动态地确定阀值来选取不同精度的LOD模型, 降低场景的复杂度, 以求得更合适的图像质量。

1.4 人脸特征的提取

特征可被视为由数据、规则方法和关系三类属性描述的面向几何的物体, 特征参数化的关键是特征及其相关尺寸的变量化描述[5,6,7]。在具体特征分类的基础上, 确定结构特征的特征点, 特征点的相互位置关系形成造型特征中的特征尺寸。修改特征尺寸的同时, 对结构特征的其它点的位置和局部几何形状也进行了改变。根据人体头部的器官组成和外形特点, 从建模的方便出发, 将头特征分类为结构特征和造型特征。结构特征包含眼、鼻、嘴和耳;相应的造型特征有头高、头围、眼宽、眼高、两眼距、鼻宽、鼻高、鼻长、嘴宽、上下嘴唇厚、耳长、耳宽、耳厚等, 头特征分类。我们在正面和侧面图像中定义了45个特征点来表征人脸的形状。手工设置特征点, 然后进行参数化, 得到了标准化的人脸模型。

2 面部表情合成

采用MPEG-4的参数变化进行面部表情的合成, 面部表情的分析与合成的研究主要集中于基本的情感, 包括悲伤、愤怒、喜悦、恐惧、厌恶和惊奇。MPEG-4标准表示了一种关于面部表情建模和表达潜在的情绪的方法。利用在MPEG-4框架里以面部动画为目的的面部动画参数是与运动单元 (AUS) 密切相关的[8,9]。运动单元包括核心的面部动作编码系统 (FACS) [10,11,12]。

2.1 通过特定的FAPs描述基本表情

为了做到这一点, 我们对面部肌肉运动进行翻译——通过肌肉运动来描述表情——FAPs, 并为每个基本表情创建一个FAPs词汇[13]。为描述基本表情所需的FAPs还通过分析基本数据集进行实验验证。为了与真实的表情序列进行比较, 我们定义了特定功能点对应的面部表情形式的FAPs。选定的FAPs可以通过实时图像或视频序列自动检测。派生模型也可以作为表情分析和表情综合学科之间的桥梁。

在一般情况下, 面部表情和情绪通过一套测量和转换加以描述。测量和转换可以考虑基于MPEG-4标准。在这种方式中, 我们可以描述一个人的解剖面, 基本上是通过FAPS以及动画参数, 组独特的标记, 消除指定的需要底层的几何拓扑结构[8]。这些符号则可以被映射到自动检测的测量和对视频序列的运动迹象, 因而通过人工合成近似真实的表情。

基本的面部表情和潜在的情绪, 通过FAPs描述有以下几个目的:

1) 提供合成序列的兼容性, 创建与使用建议的方法, 符合MPEG-4标准;

2) 基本的表情很少发生, 大多数情况下, 情绪通过特别FAPs直接相关的几个离散五官的变化加以表示。此外, 不同的FAPs可以被用在人机交互的多种语言环境中, 即通过面部表情进行交互。

3) FAPs不符合具体型号或拓扑结构, 合成表情可以由不同的动画模型或字符加以描述。

基本表情建模时, 应解决两个基本问题:

1) 估计形成该表情的FAPs;

2) 定义FAP的强度。

面部动作编码系统 (FACS) 很大程度上影响表情分析的研究。利用面部解剖学的知识, FACS是一个试图区分视觉分辨的面部动作的系统。FACS使用运动单元 (AU) 为计量单位。AU能够结合两块肌肉运动或反向的方式工作, 也就是分成几个肌肉的运动。

2.2 所涉及的FAPs在每个模型中表达的估计范围的表情

这是通过分析实时图像和视频序列得以实现的。

情感分析和综合系统中的一个重要问题是关于面部表情形成的FAPs变化范围[8]。从合成的角度来看, 关于FAP的范围定义的研究已经展开。然而, 所提出的变化范围是相当松散的, 不能用于分析。为了给关于FAP的的实时视频序列一个特定的变化范围, 我们分析了2个著名的数据集——埃克曼 (静态) 的以及Media Lab (动态) 的数据集。这两个数据集套设置了用于形成极端情况下的表情, 而不是通常的情况。然而, 它们可用于设置特定表情的FAPs。然而, 为了实现这一目标, 通过面部运动点的FAPs建模是必需的。实时图像和视频序列的FAP变化范围的分析主要用于两个目的:

1) 核实并定义每个基本表情的词汇;

2) 为基本表情定义配置文件。

2.3 中级表情模型

这是通过结合加以实现的, 在一个以规则为基础的系统和一个激活参数与基本表情描述的FAPs框架。

在本节中我们提出一种创建中级表情配置的方法, 用于描述相应情绪的视觉部分。由计算机科学家和工程师进行的处理除了基本情绪外的其他情绪的研究渗透到了其他的学科。心理学家研究了更为广泛的情绪集合, 但对于计算机图形学和机器视觉领域只有非常少结论可供借鉴。其中Whissel的一项研究[8]中提到, 情绪好比是空间中具有一定规模的点, 其中最接近的有两个值:激活和程度。激活是与术语相关的兴奋程度。如平静为中指示的中间点, 惊讶代表高度激活, 害羞代表低度激活。程度是与术语相关的愉悦程度, 例如羞怯的“动机”列代表负向, 而高兴代表正向。从实际的角度来看, 似乎程度要表达的主题和估计得到的情感能够一致是件很棘手的事。另一方面激活与面部肌肉的运动相关, 并可以基于面部特征很容易估计到。

为创建中级情绪配置我们要考虑两种情况:

1) 在自然界中, 情绪与其中一个原型类似, 例如, 他们可能会有不同肌肉强度的动作;

2) 不能被视为与任何原型的情绪。

在这两种情况下, 我们按照以下步骤进行:

1) 利用激活参数或Plutchik的角度测量作为推理有关的几个情绪的面部动作的强度的知识。这方面的知识与基本表情配置相结合, 通过基于规则的系统, 创建中级情绪配置。

2) 动画绘制配置以检测所要求的情绪与视觉的相似性是否合适。

3 程序用户界面

采用MFC技术设计一个包含悲伤、愤怒、喜悦、恐惧、厌恶和惊奇六种表情的按钮以及一个表情显示框的界面。我们采用GUI的设计模式, 把表情变化的代码对应转换成C++形式, 并嵌入在MFC中, 在对应的按钮按下时候能产生相应的消息响应。

3.1 界面设计

首先建立一个MFC应用程序的工程, 利用插件画出基本的界面图形, 包含悲伤、愤怒、喜悦、恐惧、厌恶和惊奇六种表情的按钮以及一个表情显示框并设置相应的属性[14,15]。

3.2 消息及消息映射

Windows应用程序中的消息主要有三种类型。

1) 窗口消息 (Windows Message) 。这类消息主要是指由WM_开头的除WM_COMMAND之外的消息, 例如WM_CREATE (窗口对象创建时产生) 、WM_DESTROY (窗口对象清除前发生) 、WM_PAINT (窗口更新时产生绘制消息) 等, 一般由窗口类和视图类对象来处理。

2) 控件的通知消息 (Control notifications) 。当控件的状态发生改变 (例如, 用户在控件中进行输入) 时, 控件就会向其父窗口发送WM_COMMAND通知消息。应用程序框架处理控件消息的方法和窗口消息相同, 但按钮的BN_CLICKED通知消息除外, 它的处理方法与命令消息相同。

3) 命令消息 (Command message) 。命令消息主要包括由用户交互对象 (菜单、工具条的按钮、快捷键等) 发送的WM_COMMAND通知消息。

命令消息的处理方式与其他两种消息不同, 它能够被多种对象接收和处理, 这些对象包括文档类、文档模板类、应用程序本身以及窗口和视类等;而窗口消息和控件的通知消息是由窗口对象接收并处理的, 这里的窗口对象是指从窗口类CWnd中派生的类的对象, 它包括CFrame Wnd、CMDIFrame Wnd、CMDIChild Wnd、CView、CDialog以及从这些派生类对象等。

4 结束语

舞蹈表演中面部表情的应用篇7

一、舞蹈表演中的面部表情特点

(一) 感性化

舞蹈表演传达了作品的思想感情, 塑造了舞蹈形象, 是一种美的表现形式。作为舞蹈表演者, 要具备丰富的情感世界, 充分体会作品的思想感情, 真实的表现出艺术的美丽。舞蹈表演形式并不是固定的, 同样的舞蹈动作, 不同的表演者也能展现出不同的艺术效果。所以表演者不仅要具有较好的身体柔韧性和对作品十分熟悉, 表演过程中也要具备丰富的面部表情。面部表情的表现形式没有固定标准, 完全取决于表演者的自身水平和表演过程的灵活运用能力。但真诚的面部表情才是最具感染力的, 表达了一种感性的美。表演者在舞蹈表演过程中, 不能局限于传统的角色设定, 要充分理解作品表达的情感, 运用自己的面部表情塑造出舞蹈形象, 引起观众情感上的共鸣。

(二) 类型化

舞蹈表演中面部表情的表现形式具有多样化特点, 面部表情也分为不同的类别。目前舞蹈表演的面部表情总体分为两大类, 一类是表现舞蹈形象的情绪变化, 如高兴、生气、伤心、喜悦等。另一类是表现舞蹈形象、烘托角色。

舞蹈主要是通过舞蹈动作、造型和技巧与音乐结合, 塑造出不同的舞蹈形象, 所以其表达形式也大多相似, 而不同的面部表情达到的艺术效果也不同。舞蹈剧《十面埋伏》中, 表演者的舞蹈动作变化不大, 但面部表情的变化多样, 重点突出主角的性格、情绪, 还原历史人物形象。而舞蹈《小红军》中, 表演者的面部表情表达了小红军在艰苦的环境里仍充满顽强的斗志。表演者通过不同的面部表情展现了小红军不同的内心情绪的变化, 成功的塑造了小红军这一人物形象, 真实传达了作者的思想感情。所以面部表情具有类型化的特点, 在不同的表演情景中, 舞蹈表演中表演者面部表情的变换展示了人物形象的情感变化。

(三) 虚拟化

舞蹈是以人的肢体语言、面部表情为表达方式, 向观众展现人物形象的思想情感。所以面部表情具有双重性质, 既是物质化的也是虚拟化的。由于整部作品中人物的情感不断变化, 表演者的面部表情也要随之不停改变。观众在观看过程中会根据表演者面部表情的变化进行自我思维的转化, 在虚拟环境中体会人物形象和表演者展现的情感世界。例如舞蹈表演中表演者为了展示更好的艺术效果, 赋予花草面部表情、思想、智慧等。而在现实环境中, 花草并不具备人的特征, 舞蹈表演者赋予它们人的情感、感情, 生动的向观众传达了作品的思想情感, 易于观众理解。这种艺术表现形式既是物质化的, 也是虚拟化的。舞蹈是一种向人们表达没的艺术形式, 许多人物形象、思想情感的表达需要通过虚拟的艺术形式表现, 才能完美的塑造人物形象, 这也是艺术的特性。大多数舞蹈表演者在表演过程中都会对一些事物进行拟人化, 通过面部表情使舞蹈在现实和虚拟中不断转化, 有助于观众更好的理解作品的思想感情, 发现艺术的美丽。

二、面部表情在舞蹈表演中的重要性

(一) 面部表情是表达舞蹈情感的重要方式

舞蹈是一种传递美的艺术表现形式, 与杂技、体育舞蹈、竞技体育等存在明显的区别。舞蹈不仅仅只是将舞蹈动作进行简单编排, 更重要的是运用肢体语言、造型和技巧等传达思想情感。舞蹈表演中肢体语言包涵了人物形象的内心情感、心理活动以及作者的思想感情。面部表情是一种独特的肢体语言, 通过面部肌肉、颜色等微小变化直接表达人物形象的思想感情和复杂的感情转变, 有助于观众理解作品的情感和涵义, 与观众形成情感共鸣。而表演者在表演过程中也能经历一次丰富的情感变化。表演者自身不仅要具备优秀的表演水平, 也要具备丰富的内心情感, 用心体会人物的内心情感和作者的思想, 才能运用自己的面部表情充分的向观众传达作品的内涵。

舞蹈作品是作者通过创作作品表达情感的一种媒介, 所以舞蹈作品本身就具备强烈的感情。所以表演者不仅仅是舞蹈动作的展现, 更多的是将作品的内涵以舞蹈形式展现给观众。面部表情和变化及其微小, 但却能更直接的表现人物形象。情感是舞蹈作品的灵魂, 表演者要充分理解领会作品的内涵, 灵活运用舞蹈动作、面部表情展现出舞蹈作品的灵魂, 使整个舞蹈作品趋于完美。观众对于舞蹈作品的评价很大程度上取决与情感的共鸣。所谓的艺术修养是指个人的生活态度、人生向往等, 与学历、年龄等没有太多关联。观众在观赏过程中往往会将自身经历和舞蹈人物形象结合起来, 形成情感共鸣, 深刻的理解作品的内涵。所以作为表演者, 在表演过程中要充分融入舞蹈作品的情感世界, 灵活运用面部表情展现出人物形象的情感变化。表演者面部表情的细微变化反映了人物形象情感状态的变化, 带动观众融入场景中。所以面部表情在舞蹈表演过程中起到了极其重要的作用。

(二) 面部表情是舞蹈表演的重要组成部分

舞蹈作品通过表演者的舞蹈动作、面部表情传达出作品的丰富内涵, 塑造舞蹈人物形象。面部表情是最直接、最能感染观众的表现形式, 真实的反映了人物形象的情感变化。当舞蹈动作和面部表情有机结合在一起, 才能完美的展现人物形象的情感世界, 表达作者的内心情感。所以舞蹈动作和面部表情相互融合、相互补充, 有利于观众了解人物形象的性格、情感和剧情的发展, 充分展现了作品的思想感情和主题内涵。古语有云“相由心生”, 内心情感的变化决定了面对表情的变化。人与动物的区别之一在于人具有感情, 具有宣泄情感的需求。舞蹈作品通过不断变化的表情表达不同的情感, 同时使观众受到感染, 达到情感上的共鸣。观众在观赏过程中, 可以通过表演者表情变化来感受人物形象情感的变化, 或悲伤、或喜悦, 观众的情感也随之变化。面部表情带给观众的是更直接的视觉冲击, 让肢体语言更加生动。肢体语言、面部表情的转变, 其实也是情节发展变化的前奏。当观众发现表演者的面部表情和肢体语言发生改变时, 会下意识的认为人物形象的情感状态也将发生改变。所以面部表情与肢体语言有机的结合能够更加成功的塑造人物形象, 深刻的刻画出人物的情感波动, 使作品生动丰富, 也带给观众视觉上美的的享受和心灵上的共鸣。

(三) 面部表情能够渲染舞蹈气氛

艺术的表现形式都是表现艺术的美, 而舞蹈也有自己的艺术表现内容。舞蹈作者在创作舞蹈作品时都会设定场景、背景和舞蹈气氛。舞蹈气氛是舞蹈表演的重要部分, 与作品中情感的表达相结合。舞蹈作品中人物形象的情感变化较多, 舞蹈气氛也在不停的改变。场景是有作品内容设置, 具有固定性、机械性, 烘托了人物形象。所以若舞蹈气氛随着场景变化而变化, 无法起到感染观众的效果。所以表演者的舞蹈气氛的变化应随着表演者面部表情的变化而变化才能显得更加生动。每个舞蹈作品都特定的主题思想, 作者通过塑造人物形象的方式表达其内涵。在舞蹈表演中, 肢体语言、面部表情都能传达作品的丰富内涵。舞蹈动作或温婉、或豪放, 展现了人物形象不同的内心情感, 这是舞蹈最基本的审美特性。面部表情属于舞蹈动作的一类, 面部表情的细小变化都能带动舞蹈气氛的变化, 传递了人物形象的情感, 引起了观众与人物形象的情感共鸣。同时, 表演者也要将自身的情感融入人物形象中, 才能使舞蹈表演更加精彩传神。

三、面部表情在舞蹈表演中的应用

在上文中我们可以发现, 面部表情是舞蹈表演的内容之一, 展现了舞蹈作品的灵魂, 塑造了舞蹈人物形象。细致微小的面部表情变化体现了人物形象内心情感的波动起伏, 带给观众生动形象的感受。面部表情的刻画极其微小, 要求表演者对作品十分熟悉, 充分理解人物形象的性格特点和作者想要表达的思想感情。所以在舞蹈表演中, 要对表演者进行以下几项面部表情的训练:

第一, 做好面部表情基本功。面部表情的塑造取决与软开度、肢体控制能力、呼吸等方面。这几个方面都属于基本功。软开度主要是帮助表演者进行较难动作的训练, 注意肢体感觉, 达到动作优美、调节呼吸节奏的效果。软开度的训练要注意放松面部表情, 身挺拔, 下身收紧, 用心体会舞蹈动作的节奏, 熟悉舞蹈动作。肢体控制能力的训练主要是使肢体更具有表现力, 日常训练以舞蹈元素为主。呼吸训练主要是将表演者的呼吸节奏与肢体表情相结合, 让肢体表情更加沉稳。

第二, 加强面部表情的专项训练。舞蹈表演过程中, 面部表情与肢体语言要相互融合才能达到完美的效果。专项训练过程中, 表演者要同时训练表情变化和肢体动作变化, 做到统一和谐, 加强动作和表情的协调程度。所以表情的专项训练不仅仅指面部表情的训练, 更注重动作和表情的有机结合, 整个表演过程中两者始终要相互统一。

第三, 增强表演者对舞蹈音乐风格和舞蹈意境的体会。舞蹈表演过程中, 面部表情的变化始终以舞蹈音乐和舞蹈意境为中心, 舞蹈动作、表情与音乐相互统一。作为表演者, 要熟悉音乐的的节奏、节拍、速度、力度、风格, 掌握音乐的构成和歌词组成。音乐是舞蹈表演的重要部分, 音乐形象的塑造正是通过舞蹈的形式展现出来。表演者熟悉音乐的韵律才能编排相应的舞蹈动作和舞蹈表情, 表达出音乐作品的内涵。所以加强对音乐的理解和体会, 也能加强表演者面部表情的刻画。

第四, 在训练后期要对动作和表情进行协调强化, 实现整体的统一。动作和表情的有机结合才能深刻的传递舞蹈作品的内涵。在训练后期应注重表演者动作的整齐一致、变化一致, 动作和表情的配合一致。若表演者在表演中动作连冠流畅, 但面部表情没有塑造, 无法展现人物形象的情感变化。舞蹈表演的面部表情大多采用夸张的表现形式。例如哭有的是表达内心喜悦, 有的是表达内心痛苦, 所以不能机械的做哭的动作, 更要表达出人物形象哭泣时内心是喜悦还是痛苦。同时面部表情要与呼吸相结合, 做到自然转化表情的效果。表演者要融入自己的情感, 保持良好的精神面貌, 以热情积极的态度去为观众表演, 将人物形象的欢喜、哀伤淋漓尽致的展现在观众面前, 给观众一场生动多彩的视觉体验。

四、结语

舞蹈表演是一种艺术的表现形式, 是艺术之美的传递媒介。面部表情是舞蹈表演灵魂的表现, 塑造了人物形象, 真实的展现了作者的内心情感世界, 反映了作品的真正内涵。舞蹈表演过程中应充分体会人物形象的情绪变化和作者的内心情感, 深入体会和融入自身的情感, 通过面部表情的变化展现人物的情感世界, 使舞蹈作品趋于完美。

参考文献

[1]庞志娟.“表情”在舞蹈表演中的重要性.开封教育学院学报, 2015, 01.

论舞蹈教学中面部表情的培养篇8

关键词：表情,舞蹈,教育,重要性

面部表情在舞蹈中有着不可撼动的重要地位。舞蹈不是单纯的动作艺术, 舞蹈教育的目的不只是教会舞者规范准确的动作, 更重要的是让舞者通过面部表情的诠释、整个身心的和谐, 用流畅的身体叙述出自己的情感。在这之中, 面部表情是舞蹈的点睛之笔, 它所承载的是内心情绪的表达, 通过各种类型的舞蹈需要, 体现舞蹈形象内心的情感和舞蹈作品所展现的主题。

一、面部表情在舞蹈中的多样性

舞蹈的表情根据不同舞蹈作品所表现出来的情绪是不一样的, 这就决定了舞蹈表情的多样性。如:喜、怒、忧、思、悲、恐、惊、无奈和欢快等类型。伤心时, 会满脸愁容, 眼睛会流泪, 同时还会配以捶胸顿足等动作;愤怒时, 除满脸怒色、怒气冲天外、还会有挥拳动脚的动作表现出来;高兴则喜笑颜开, 手舞足蹈, 蹦蹦跳跳等;恐惧时, 除有害怕的脸色外, 还会有畏首畏尾、缩手缩脚、逃避的动作等等。舞蹈的表情相较于人们日常的表情要更为夸张一些, 一般来说面部表情中比较形象的是眉毛, 眼睛以及嘴唇。舞蹈多样性体现出舞蹈表情的变化, 正因为有这些细微的变化, 表情才能传达出舞蹈不同的内在情感。

(一) 惊奇

惊奇表情的特征是眉毛抬高, 变高变弯, 眼睛睁大, 下颚抬高, 嘴张开呈O型。舞蹈里面的惊奇要夸大些, 突出“惊”字。很多情况下惊奇往往是跟喜悦联系在一起的。比如说《胡桃夹子》里, 克拉拉看到胡桃夹子变成一位英俊潇洒的王子之时, 她的眉毛稍抬, 眼睛睁大, 嘴巴慢慢张开, 惊奇之情是不言而喻的, 为后面缠绵悱恻的双人舞铺下伏笔。

(二) 恐惧

眉毛抬起并皱在一起, 且皱纹只集中在中部;眼孔睁大, 眼神惊惧, 嘴张, 嘴唇紧张, 向后拉;咧嘴拉长, 同时向后拉。如舞蹈《哭泣的鸽子》里, 村庄被日军侵略, 剩下一群孩子, 孤独害怕, 眼睛里充满了紧张, 恐惧的看着周围的一起, 手臂紧紧抱着身体, 刻画出一个瘦小孤零、惹人同情的小女孩形象。

(三) 厌恶

眉毛压低, 嘴唇紧闭, 嘴角下拉, 鼻子皱起, 脸颊抬高。比如说舞剧《哈姆雷特》中, 哈姆雷特为接近弑父凶手之时, 他的眉毛、鼻子、脸颊皱紧, 嘴巴鄙夷的往下拉, 显现出厌恶之情, 让人感觉到他内心隐忍着的深切仇恨。

(四) 愤怒

眉头紧皱, 眼睛瞪大, 嘴唇或紧闭, 或向下张开, 仿佛要呐喊。舞蹈《中国妈妈》, 日军的暴行使得人们痛失所爱, 脸上流露出强烈的悲伤和愤怒之情。

(五) 高兴

眼角上提, 眉毛微微下弯, 嘴巴微张, 牙齿微露, 脸颊自然抬起。如舞剧《罗密欧与朱丽叶》里, 作为高潮部分的阳台双人舞, 两情相悦, 舞者的表情轻松愉悦, 舞姿轻盈, 舞曲悠扬, 内心的高兴显现出来。

(六) 悲伤

眉毛内角皱在一起, 抬高, 嘴角下拉或颤抖。在舞剧《白毛女》中, 当女儿被抓走之时, 杨白劳脸上的悲戚、嘴角的颤抖, 显现着杨白劳悲伤、无奈、担心害怕的情绪, 展现了表情对舞蹈人物形象塑造的张力。

二、面部表情在舞蹈中的重要作用

如果说舞姿是舞蹈的载体, 那么表情则是舞蹈的灵魂。舞者用整个身体讲述故事, 面部表情是身体重要的一部分, 贯穿表演的始终, 是观众的焦点所在, 对完整表达舞蹈的内容思想具有重要的作用。试想一下, 没有表情的舞蹈演员, 将会像没有生命力的木偶一样滑稽无趣。

(一) 表情是表现舞蹈内在美的重要途径

“以情带舞, 以舞传情”。没有表情的美人如一尊精美的陶瓷娃娃, 没有表情的舞蹈像机械的广播体操, 这些都是不能打动人心的。以舞蹈《中国妈妈》为例, 没有华丽的服饰、繁杂的技巧, 凭着强烈对比的爱恨之情打动了无数观众的心。舞蹈一开始, 中国妈妈脸上悲戚的神色、哀痛的眼神、愤怒的呐喊, 配合着佝偻的身影、缓慢的步伐, 都在无言地诉说失去亲人的哀痛、控诉着日军的暴行, 为后续发展做出了极好的渲染。当发现穿着和服的小女孩时, 妈妈们脸上是强烈的愤怒!可是小女孩的哭泣、脸上绝望害怕的表情, 拉扯住妈妈们的心, 勾出了心中的不舍。终于, 宽容之心战胜了对日本人的仇恨, 伟大善良的母亲将小女孩抱在了自己的怀中。在这段收养异国女孩的舞蹈中, 通过妈妈们的表情由悲痛到愤恨再到不舍, 接纳小女孩时的相拥而泣, 这些细微的表情与肢体的动作相辅相成, 深刻刻画出了人物的心理变化, 将中国妈妈那无私博大的母爱淋漓尽致地表现了出来。

(二) 表情能提升舞蹈表现力, 升华主题

中国传统艺术表演艺术家们常说:一身之戏在于脸, 一脸之戏在于眼。面部表情和眼神是舞蹈的重要组成部分。表情以内心为依据, 能塑造出有血有肉的丰满的舞蹈艺术形象。以拉丁舞的面部表情为例:伦巴舞只需要面带淡淡的微笑即可, 嘴角不需向上翘起, 面部肌肉自然放松, 呈微笑状态;而跳恰恰舞时, 面部表情要欢快一些, 嘴角上扬, 双眸灵动, 还可配合一些俏皮搞怪的表情;桑巴舞则需要豪放性感, 抛媚眼, 咬牙, 张大嘴, 皱眉等表情可使用得多一些。再如我国汉族舞蹈对眼神的运用就有着一整套的训练方法。如用鱼的游动来练习转睛, 用点燃的香烛训练眼的光彩, 并且分有喜眼、嗔眼、怨眼、爱眼、怒眼、哀眼等多种表情。每一个舞蹈动作与表情相结合后, 整个舞蹈的表现力就得以升华, 观众所见到的不是单薄的动作和技巧, 是能感触蕴藏的内在涵义的。

三、舞蹈教学中培养面部表情应重点把握的几个问题

培养面部表情是舞蹈教学里一个非常重要的环节。目的不仅在于教会舞者用恰当的面部表情来强化艺术感染力, 熟练地掌握各种表情的细微变化之处, 还在于舞者将面部表情与其肢体动作有机融合, 协调一致, 丰富表现力和想象力, 把握舞蹈所要表达更深层次的内涵。除了在表情上下足功夫以外, 还需要注意内在情感的准确到位与融合统一, 真正渗透到舞蹈当中去, 这样流露出的表情才是自然的, 没有僵硬做作之感。

(一) 技能训练时, 注重内外美结合

在设计每一个舞蹈动作和舞蹈动作组合时, 都特别讲究它们的内在和外在情感的统一性, 哪怕是一抬手、一投足和一个眼神, 也决不能忽视它们的表情因素, 注重内外的统一协和。例如芭蕾舞中最简单的站立姿态, 要求肩部下沉, 从而突出胸部和颈部的美好线条;要求腿部收紧腰部直立, 以使姿态挺拔仪态端庄。而在练习的时候要想象自己就是一位优雅美丽的公主, 通过这样的“内外兼修”, 才能将形体与气质都练就出来。再比如说《睡美人》序幕里, 恶仙女卡拉多斯因为未被邀请而诅咒摇篮中的公主。舞者用手指向摇篮 (这个婴儿) , 用手由下而上慢慢抬起 (慢慢会长大) , 右手从脸颊划过, 双手比划身体 (她会很漂亮, 身材也很苗条) , 绕场走一圈指着众人 (但是你们听着) , 做扎手动作, 双手握拳在身前交叉 (她长大后会被扎破手指, 立即死去) 。在这段哑剧似的手势中, 舞者必须配合以邪魅、报复后的快感之类的表情, 这样舞台效果才会更加震撼。

(二) 加强文化理论学习, 丰富舞蹈表现力

舞蹈绝不是只讲究四肢的学科, 舞蹈者不是无意识无生命的布偶娃娃, 要生动地塑造一个舞蹈形象, 必须调动全身心的技能为其服务。文化理论的学习就是我们修心的重要途径, 只有加强文化理论学习, 才可以认识、理解舞蹈, 成就教学, 成就表演。文化修养差, 知识缺乏, 便难理解舞蹈“语汇”、动作内涵以及舞蹈文化作品的意义, 难以达到“手舞有物”、“脚蹈有理”、“表之有情”、“无声胜有声”的艺术境界。舞蹈表情是舞蹈传情达意的关键, 舞蹈表演的最终目的是给人以美的享受。必然要求演员首先融入其中, 深刻领会舞蹈的主旨和内涵, 才能在表情肢体上显露出来, 达到表演效果。在舞蹈教学中, 鼓励学生们去阅读舞蹈背后的故事、了解相关知识, 这样才能有助于学生把握舞蹈里的人物性格, 跳出舞蹈的精髓。如舞蹈《孔乙己》中, 舞蹈演员成功塑造孔乙己这个人物形象, 在此之前必须了解鲁迅先生笔下的人物, 只有掌握了孔乙己的内心的矛盾、失落才能将人物的内心情感透过肢体语言表现出来。美国著名舞蹈家伊莎多拉邓肯曾在博物馆和图书馆里成年累月的攻读, 如饥似渴的钻研舞蹈、音乐和哲学等文献来提高自己的艺术素养和思考能力, 用自己的舞蹈冲破古典流派和传统的禁锢, 完成一次舞蹈界的革命。

(三) 开启想象力, 身心相融合

舞蹈动作、舞蹈人物、舞蹈情景蕴涵着深刻的含义与无限的意境, 我们进行舞蹈、进行人物塑造、表现情景意境时, 要展开丰富活跃的想象力, 体味每一个动作、每个人物的内心世界, 体验具体人物心理活动, 让舞蹈动作在一个想象的模式中进行, 给舞蹈动作、形象进行“再创造”。作为教师, 不仅仅讲授舞蹈动作, 形象生动地引导学生去想象、感受、模仿, 往往要比单一枯燥的分解动作事半功倍。自然界中浮云的飘动、林涛的起伏、禽鸟的飞翔、树叶的摇曳……调动学生无限的想象, 用一种难以遏制的内心冲动将舞蹈动作表现出来, 当他们的内心融入到舞蹈情景之中时, 表情将会顺畅流出, 情感自然流泻, 增强了舞蹈的表现力和感染力。

结语

在舞蹈教学中, 面部表情的培养是一个需要正确认识和审视的问题, 它从心理、审美、艺术灵气的激发等各个方面对舞蹈有着不可低估的影响。只有恰当地运用表情, 才能为舞蹈增添光彩。只有表情、内心、动作相统一融合, 才能跳出打动人心的舞蹈, 才能表现舞蹈的真正魅力。

参考文献

[1]隆荫培, 徐尔充.舞蹈艺术概论[M].上海:上海音乐出版社, 2001.

[2]李晓华.浅谈舞蹈表演[J].青海社会科学, 2002.

[3]欧建平.舞蹈鉴赏[M].南京:江苏教育出版社, 2009.

[4]约翰马丁.舞蹈概论[M].北京:文化艺术出版社, 2005.

[5]王建军.舞蹈教学中舞蹈表情的训练方法探究[J].大众文艺, 2010 (07) .

谈舞蹈表演中面部表情的运用篇9

一、面部表情在舞蹈表演中的重要性

面部表情在舞蹈表演中体现的是舞蹈形象的内心思想情感, 没有面部表情或者说面部表情不丰富的舞蹈表演, 不能充分展现舞蹈形象, 不能深刻展现舞蹈形象的内心情绪的波动, 也不能渲染舞台效果, 更不能达到整个舞蹈表演的艺术魅力。具体来说, 面部表情对于舞蹈表演的主要作用主要有以下几个方面:

(一) 面部表情是整个舞蹈情感的直接表现

舞蹈表演最基本的特点就是通过各种动作的刚柔相济和奔放舒展来传达内心情感及其波动, 它表现的是舞蹈中人物的性格特点。面部表情是整个舞蹈表演的重要组成部分, 也是配合舞蹈动作, 来向观众呈现舞蹈形象的最直接的方式。通过丰富的面部表情, 整个舞蹈变得更加形象, 观众也更容易体会和理解舞蹈表演所要表达的感情, 因此只有优美的动作与丰富的面部表情像结合, 才能呈现出生动形象的舞蹈形象, 也才能表现出舞蹈形象丰富的内心世界。

(二) 面部表情是塑造舞蹈形象的关键组成部分

只要是表要, 就一定会向观众呈现一定的主题, 舞蹈表演也不例外。在表演的过程中, 舞蹈表演者往往根据这一主题来塑造相关的舞蹈角色, 舞台上的动作、面部表情以及舞台上的一些场景, 都是表演者用来塑造这一角色的主要手段。舞蹈动作是塑造角色的基本方法, 但只有动作, 没有表情的舞蹈形象是缺乏生命力的, 很难让观众留下深刻印象。如果加上丰富的面部表情, 就使舞蹈形象具有了生命, 基本的舞蹈动作加上丰富的面部表情, 使舞蹈形象具有了灵魂, 最终为舞蹈表演塑造出一个个经典的舞蹈形象。

(三) 面部表情为整个舞蹈表演渲染氛围

舞蹈表演是一种艺术, 观众欣赏舞蹈表演是对艺术的享受, 而这种艺术是由舞蹈表演者带来的。观众要充分享受舞蹈表演的艺术, 就需要融入到舞台的氛围中, 只有置身其中, 才能对舞蹈形象的思想情感有切身体会。一般舞蹈表演的舞台氛围主要是靠舞台上的布景、灯光等来营造, 但是如果加上表演者的面部表情, 其氛围就会收到不一样的效果, 利用面部表情吸引观众, 让观众充分地融入到舞蹈表演的舞台氛围中, 最终达到艺术的享受。

二、舞蹈表演中面部表情的特征

舞蹈表演中的面部表情不同于一般现实生活中的表情, 它是为了舞蹈表演及舞蹈形象的塑造而呈现出来的表情, 其主要特征主要有一下几个反面:首先, 舞蹈表演中的面部表情具有虚拟化特点。虽然面部表情是物质的, 实实在在地存在着的, 但是它是在一定的虚拟场景中完成的, 舞蹈表演中的面部表情转瞬即逝, 它在表演的过程中经过了艺术上的加工和提炼以及美化, 最后运用到虚拟的舞蹈形象中, 因此具有虚拟化特点。其次, 舞蹈表演中的面部表情具有感性化的特点。舞蹈表演本来就是一种充满感性的实践活动, 可以说表演者需要感性, 才能成就舞蹈, 才能在表演中达到一定的艺术效果。从创作之初, 舞蹈就是表现出强烈的感情色彩, 在放到舞台上来表演, 就更需要把表演者的情感放大, 把舞蹈形象的喜、怒、哀、乐、愁、叹、急等基本情绪夸张地表象出来, 要把舞蹈表演者的表现力发挥到极致, 这样才能引起观众的共鸣, 因此在舞台上的面部表情是比较感性的。第三, 舞蹈表演中的面部表情呈现出类型化的特点。在舞蹈表演中, 面部表情是根据不同的主题与角色特点想象出来的, 因此不同的表演呈现出来的面部表情各不相同, 主要有呈现舞蹈形象的内心世界的面部表情和塑造舞蹈形象的面部表情两种。舞蹈表演中要体现舞蹈形象的内心情感, 主要可以通过面部表情的喜、怒、哀、乐、忧、思、悲、恐、惊等;而另一种面部表情的功能就是为舞蹈表演塑造形象, 使观众对其过目不忘。

三、舞蹈表演中对于面部表情的运用

通过以上阐述, 我们知道面部表情可以说就是舞蹈表演的灵魂, 是舞蹈表演实现其艺术效果的关键, 也是表演者与观众产生共鸣的方式, 因此, 在舞蹈表演中运用面部表情是必不可少的。但是, 与舞蹈表演中基本舞蹈动作的表现一样, 在舞蹈表演中运用面部表情也非易事, 要在舞蹈表演中充分、规范地运用面部表情, 可以从以下几点来进行:首先, 需要练好面部表情的基本功。要做到这一点就要意识到舞蹈表演中的面部表情与现实生活中的面部表情不一样的地方, 因此在表演之前就要联系面部表情的舒展、优美、自然、大方以及对面部表情的控制, 这是运用面部表情之前的基本功。其次, 要充分融入到舞蹈中, 体会舞蹈形象的内心世界。这是运用面部表情的关键, 舞蹈表演中面部表情是否能运用得合理, 是否能体现舞蹈形象的思想情感, 是否能在表演中引起观众的共鸣, 这就需要表演者对舞蹈的思想、灵魂、精髓反复揣摩, 体会, 只有充分地领会了舞蹈的风格、舞蹈的意境以及舞蹈的精神, 才能在表演中自然地运用面部表情, 为舞蹈表演增添艺术魅力。第三, 加强舞蹈动作与面部表情的协调训练。这是发挥面部表情的功能的重要环节, 只有把动作、表情及音乐等各方面协调为一个整体, 才能完整地呈现舞蹈表演的魅力。

参考文献

[1]岳斌.论舞蹈演员表演能力的训练[J].大众文艺 (理论) .20009 (09)

[2]李娇璐.舞蹈表情在教学中的运用[J].烟台职业学院学报.2010 (03)

面部表情识别篇10

美国研究人员发现，人的一些面部表情是与生俱来的，并非通过后天观察模仿学习得来，这种能力很可能由基因决定。研究人员曾给奥运会以及残奥会上的20多个国家的柔道运动员拍摄了4800多张照片，然后分析运动员的面部表情。研究结果显示，先天失明的运动员和视力正常的运动员，其面部表情的各项数据具有很大“相关性”，没有本质区别。由此可以推断，表达情感的一些面部表情很可能是人类祖先进化的产物，由基因决定。研究还发现，几乎所有人都是根据特定情境做出相应的面部表情，比如失去金牌的人会运用“社交式微笑”，而不是发自内心的微笑来控制负面情绪。

科学家成功提取大鼠干细胞

美国科学家目前首次成功地从大鼠胚胎中提取干细胞，这将使科学家更方便地借助动物模型对诸多人类顽疾进行研究。虽然早在1981年科学家就成功地从小鼠胚胎中提取出第一个小鼠胚胎干细胞，但提取大鼠的却困难重重。此次，研究小组采取了一种特殊的“信号阻断”方法，利用特殊的分子抑制大鼠胚胎中3个特定基因发出信号，令其干细胞“停下分化的脚步”，保持在原始胚胎阶段。与小鼠相比，大鼠在生物学的许多方面与人类更为相近。

人老可以心不老

美国一项研究发现，老年人尽管身体机能日渐衰老，但他们的心理年龄比生理年龄平均年轻13岁，其中男性尤为“人老心不老”。研究人员花6年时间评估516名年龄在70岁以上的男女，结果发现，这些人的心理年龄普遍低于生理年龄，其中几乎所有男性都自我感觉比实际年龄小。而女性比男性更在意外表，因此心理年龄比男性更接近实际年龄。但这并不是说男性不在意变老，只是他们对生活满意度的评价受到更多因素的影响，上年纪后，依然能接受新鲜事物。

生命可能源于陨石坠海

日本科学家通过实验模拟了地球诞生初期陨石高速坠入海洋时的情景，发现陨石坠海引发的化学反应可以合成地球生命不可缺少的氨基酸等有机物。科学家把水、铁、碳等无机物封入充满氮气的不锈钢圆筒，令一块不锈钢板以每秒1千米的速度撞击这个圆筒，使筒内压力和温度瞬时升高，结果发现，筒内反应生成了几种简单的氨基酸。由于地球诞生之初只存在无机物，生命起源问题一直是科学界的难解之谜。根据这次研究成果，日本科学家认为，在距今40亿～38亿年前，含固体碳和铁等元素的陨石不断坠入海洋中，原始大气中的氮等在这种强烈冲击下发生化学反应，最终生成了有机分子。

大气污染可致少生男婴

巴西一项研究表明，男婴的出生率随着污染指数的增大而下降。首先的证据是发现大气中悬浮颗粒的数量越多，该地区出生的男婴就越少；其次是发现携带Y染色体的精子对大气中的化学物质非常敏感，被污染的环境导致其死亡率高。农业生产中使用有毒物质也是男婴出生下降的原因，因为有毒物质的分子结构与天然荷尔蒙相似，会导致机体内分泌紊乱；另据卫星监测数据，焚烧甘蔗越多的地区，男婴的出生数量越呈下降趋势。

糖尿病可令脑功能退化

加拿大一项最新研究显示，糖尿病会引起部分患者脑功能退化。研究人员以Ⅱ型糖尿病患者和健康成年人为研究对象，在与大脑执行能力和反应速度有关的测验中，健康成年人的表现比糖尿病患者好很多。执行能力包括发现问题的能力、收集数据分析问题的能力以及最终提出解决办法的能力。研究人员说，执行能力和反应速度在很大程度上反映人的认知能力。该研究还显示，有些糖尿病患者可能在未步入老年时，其大脑就逐渐变得迟钝起来，而不是年老之后才出现这种变化。因此，及早采取有效措施进行控制，也许能减缓上述脑功能退化。

用大肠杆菌合成高能乙醇

美国研究人员利用基因改造技术，首次促使大肠杆菌合成出一种高能效的生物燃料成分，即拥有8个碳原子的长链乙醇。普通生物燃料的重要成分乙醇仅含有两个碳原子，最常见的天然长链乙醇所含碳原子不到5个，而研究人员对普通大肠杆菌进行基因改造后，可促使其合成包含8个碳原子的长链乙醇。用这种长链乙醇生产的生物燃料不仅能效高，而且污染低，可用以生产汽车和飞机燃料等。

戒酒也要悠着点

一些嗜酒的人有时会在“新年新气象”等想法驱动下，决定在新的一年中戒酒。但澳大利亚专家指出，不管决心有多大，戒酒切忌“戛然而止”。因为有些人已经对酒产生了依赖，那么他们在突然戒酒后可能会出现惊厥、抽搐、痉挛、呕吐、妄想和幻觉等副作用，从而严重影响身体健康。专家建议，希望想要戒酒的人应该向专业的卫生保健人士咨询，以便找到适合自己戒酒的科学方法。

用木质素生产生物塑料

欧洲的研究人员发明了用木质素生产生物塑料的方法，这不仅将有助于降低塑料生产对石油的依赖程度，还将促进可循环产品的生产。木质素是从木材中提取的天然聚合物，可以用来生产聚氨酯泡沫塑料。研究人员从木质素中获得一种名叫Arboform的物质用以生产可再生塑料，这种可以加工生产出具备类似木材和涤纶特性的产品。为了不导致对森林的砍伐，木质素是从造纸工业产生的废料中获取的。木质素不能用来造纸，所以通常被用作燃料。

骨折了挤“牙膏”

英国科学家发明了一种像牙膏般的“注入式骨质”物料，无须手术，可注射入骨折部分，几分钟内就会硬化，形成一个能被生物分解的支架，让骨骼在其上生长。传统骨折的打石膏过程在硬化时会释放出热力，令周围细胞死亡，所以身体某些部位骨折不能采用，但新物料就没有这种情况。新物料在室温下像牙膏般，注入体内在体温下会硬化。这种“注入式骨质”正在进行临床实验，最快2010年在市场推出。

中年体重与老年痴呆有关系

体重往往是健康的晴雨表。美国一项研究发现，如果中年女性体重超重，腰围粗大，那么日后她们患早老性痴呆症的风险就较高。而对中年男性来说，体重太轻，患上大脑退化性疾病的风险反而会增加。通过对2300多名男女进行的长达23年的研究，结果发现，对年龄在30～45岁的男性来说，体重偏瘦的男性患上早老性痴呆症的风险比体重正常者要高5倍；而对30～45岁的女性来说，如果她们的腰围粗大，那么她们患早老性痴呆症的风险要比体重正常的女性高6倍。

[文稿]彭文