2014年北京大学计算机行为科学暑期讨论班心得

秦彩杰

2014年7月13至20日，由北京大学机器感知与智能实验室，北京大学视觉计算与机器人研究室以及北京大学心理学系发展心理实验室共同承办的计算机行为科学暑期讨论班在北京大学召开，我与其他三位同事有幸参与暑期班的学习。在为期一周的学习和讨论中，接触了计算机行为科学这个交叉性的学科，接收了很多国外著名学者的思想和成果，也认识了很多有相同方向的同行，受益匪浅。

一、计算机行为科学 

计算机行为科学并不是一个独创的学科，而是与计算机视觉、机器学习、传感器技术以及心理学等多学科相关的交叉性学科。其研究目标是使用先进的传感器技术、计算机视觉技术以及机器学习等知识与方法，解决行为分析与情感计算中的重要问题。该学科是国际上新兴的学科，具有潜在而深远的社会影响。

二、报告概述

本次暑期讨论班共七天，总共邀请了8位国内外知名学者做了报告，其中2位学者提供的是有关心理学方向的报告，在此就不予概述。

（1）人类动作感知及行为分析-Yasushi Yagi ,Professor @ OSAKA University

 Yagi教授的报告首先介绍了行人检测和跟踪的一些常用算法，比如梯度直方图包括三位梯度直方图与时空梯度直方图的基本算法思想。介绍了利用均值漂移算法和自适应均值漂移算法进行行人跟踪的算法思想，以及局部和协方差相互转换的物体跟踪算法。并对比了当下流行算法的优缺点。Yagi教授报告的第二部分主要是步态分析，通过步态特征的提取，结合统计学的先验知识，可以识别出个人特征、性别和年龄，体现出残疾人和年长者的特征，并可以从中获得一些步态意图的理解。

（2）面向自然人机交互的情感计算-陶建华研究员@中国科学院自动化研究所

来自中科院自动化所的陶建华研究员，主要的研究领域是语音交互，他的报告首先介绍了情感计算的相关热点问题，比如情感计算的国内外研究现状，当下比较成熟的拟人机器人和拟人动物等，以及简单介绍了情感计算研究的几个方面。陶建华研究员报告的第二部分侧重于他所擅长的语音情感识别领域，包括语音情感识别的一般流程，情感语音识别中普遍存在的特征提取、降维、识别方法等。最后提出了多模态融合的情感识别问题，分析比较了各种融合方法（决策层融合与参数层融合）的优劣。

（3）自动面部特征处理分析以及识别-纪强教授@美国伦斯勒理工学院（RPI）智能系统实验室（ISL）

纪强教授是在模式识别领域中国内外闻名的学者，他的研究方向主要在于面部情感识别。他的报告介绍了他的团队目前所做的工作和成果。纪强教授首先介绍了多视角人脸检测的一般方法以及多视角人脸跟踪的常用技术。第二部分报告侧重于面部识别，着重介绍了目前他们团队所采用的优化算法和实验结果。最后，眼睛作为面部特征中比较显著地特征，纪强教授介绍了他们在眼睛视角的定位和跟踪方面所做的研究和应用。

纪强教授所带领的团队目前比较突出和先进的工作主要有几个方面（1）提出了基于动态贝叶斯网络的面部表情识别技术，以表征面部表情特征时间-空间的动态演化（2）提出了基于知识的识别方法，可以补偿基于训练数据集方法的弱点，增强识别算法在不同训练集之间的泛化能力（3）基于团队中对人造（故作姿态的）表情成熟的识别方法和理论，进行了自然表情的识别工作，获得了较高的识别率。（4）用面部表情识别的先进算法和眼睛定位跟踪的成熟技术做了很多有用的实际应用。

另外来自美国大学乔治亚理工学院的James Rehg教授和来自迈阿密大学的Daniel 工程师也分别做了有关行为计算在婴幼儿自闭症等相关问题方面的研究报告，最后从加州大学洛杉矶分校留学归来的王亦洲研究员也介绍了面向通用视觉的视觉结构学习方法以及分享了他的部分研究成果。

三、个人心得 

（1）有关科研态度

在七天的暑期研讨班中，给予培训的大都是国外的学者或者在国外从事科学研究的华人，虽然每位学者只是做了半天到一天的报告，但是从中也能够深深地感受到他们的科学氛围和科学态度。每一个细小的论点和成果，通常都要有大量的实验数据，实验图表作为依据，哪怕是在我们看来特别想当然的一些细节，可能都是通过无数个实验来印证的。无论你的科研是否具有创新思想，无论你的科研是否具有价值和贡献，至少严谨的科研态度，是每个做学问的人应该拥有的态度。

（2）有关外文文献

很多优秀的外文文献，内容丰富，论文的逻辑性比较强，实验数据可靠有说服力。高质量的外文学术期刊对于论文长短限制比较少，所以很多外文文献有足够的篇幅来深入讨论一个问题所涉及的方方面面。另外高质量的外文文献在科研水平上具有较高的权威性和开拓性，能快速地将青年科学工作者引导到科研前沿领域，避免重复的研究工作。另外，多看一些外文文献，既能帮助科研工作者真正的学好外语，对科研工作者综合能力的提升也大有裨益。

（3）有关数学

数学方法在科研中有着独一无二的地位。在科研过程中，每个观点的论证，都少不了数学公式的推导。时下比较热门的BN,SVM，adaboost，gabor wavelet等等算法都以抽象的数学问题为基础，应用于计算机学科的研究。可以说数学是不以“有用”为研究的原点，实际上却又是极为“有用”的学科。因此，对于正在学习数学的人或者需要继续学习数学的人，要重视数学的研究，重建对数学的正确认识。

在为期一周的培训中，我收获了很多，开阔了眼界。由于报告采用英文讲授，所以自己的理解可能有所偏颇，希望各位同行给予批评指正。我院有计算机方向的专业也有数学专业，这是一个很大的优势，加强数学专业和计算机专业的交流和渗透，相信对于两个专业的教师的科研发展都有帮助。对于计算机视觉方向来说，我院配备了动作捕捉仪等硬件设备，搭建了视觉采集系统的平台，这是一个很好的平台，在此诚恳的希望有相同或相近的科研方向的老师不吝赐教。最后感谢信息工程学院给予此次培训的机会，感谢院领导的支持。