2014年北京大学计算机行为科学暑期讨论班心得
刘 莉
今年7月份，我参加了由北京大学信息科学技术学院主办的计算行为暑期培训，此次培训邀请了国内外行为科学领域的众多专家做报告，给了我们一次难忘的体验，培训内容主要如下：
日本大阪大学的Yagi教授作了报告“人的动作感知及行为分析”，内容主要包括行人检测、人的跟踪与分割、步态分析。主要介绍了基于时空HOG的行人检测，从一副图片中抽取HOG特征，此方法具有对光照变化的鲁棒性、对变形的鲁棒性等优点；关于人的跟踪与分割，在不受控制的环境中，视频序列中的物体跟踪是极具挑战性的，当背景和前景存在很多变化（如遮挡），跟踪算法必须有效估计目标状态。报告采用了局部和协方差匹配相互转换的跟踪算法，以及基于时空形状约束的人类分割；步态（gait）分析主要是分析步态中的个人特征、性别和年龄，步态个人特征包括不对称性，步幅，摆臂，弯腰，从步态个人特征中识别出人，与世界最大的步态数据OU-LP进行比较来验证，不同年龄估计的准确率不一样，步态越稳定识别率越高。
中国科学院自动化研究所模式识别国家重点实验室陶建华教授作了“自然人机交互中的情感计算”的报告，报告主要内容如下：（1）什么是情感计算：情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的、全面的智能。简单介绍了情感计算的国内外各个机构的研究现状和主要研究方向，引入了一些经典的机器人案例，如索尼公司的AIBO狗，是第一个实现规模商品化的宠物机器人，对外界刺激有反应能力，包括语言、面部表情等；机器人pepper；合肥工业大学机器人等。（2）情感计算研究内容：情感计算的研究可分为4步，信号获取（通过传感器直接或间接与人接触获得情感信息，如可穿戴计算机），分析识别（通过建模对情感信息进行分析与识别），情感理解（对分析结果进行推理达到感性的理解），情感表达（将理解结果通过合理的方式表达出来）。其中情感识别需要对情感机理的研究（情感状态的判断及与生理和行为之间的关系）作为理论基础。（3）情感识别方法：基于不同情感特征的情感识别，一是情感行为识别（语音、面部表情、姿态），二是生理模式识别（皮肤电、呼吸、心率、体温、脑电波等）。着重介绍了语音情感识别，涉及情感语音数据库，一些语音参数（语速、音量、音调等）；介绍了面部表情识别方法，涉及几何特征（33个）、局部区域特征、纹理特征等；最后介绍了多模态融合的情感识别，即结合语音、表情、姿态识别情感。
华盛顿大学的心理学教授Dr.Wendy Stone 作了“儿童孤独症早期诊断与干预”，报告内容为：（1）孤独症的概念：是一种复杂的神经发育障碍，在症状表现上以极端的异质性为特征。孤独症已是一种常见流行的疾病，而且逐年增长。关于孤独症的病因，没有任何一个确定的原因，遗传因素，也可能是基因和环境共同的影响，关于孤独症的治疗，早期诊断和干预是关键，方法集中在通过教育性和行为性的方法。（2）孤独症的诊断：主要是基于行为特征的诊断，诊断准则参见DSM-5，一是从社会交往，社会互动障碍（社会情感互惠，非语言交流，发展和保持关系的赤字），二是受限制，重复的行为，兴趣和活动模式（呆板、重复的讲话，移动）。（3）孤独症的早期确诊：机遇与挑战，早期诊断对孤独症的治疗非常关键，面临的挑战主要有小孩子的增长的行为变化，和其他疾病重复性的症状等。（4）计算机行为科学对早期孤独症的检测的可能的贡献：社交眼神注视是社交互动的重要的一部分，怎么通过测量眼神注视来确定可能患孤独症的孩子，可以通过眼动追踪设备，POV摄像机等。（5）孤独症的治疗：主要通过引导、激发兴趣、可视化的训练（如进行某一游戏、活动），通常都是长期的，一个关键问题是，哪种方法对哪种孩子是最有效的。
美国伦斯勒理工学院（RPI）智能系统实验室（ISL）纪强教授作了“面部表情的自动处理、分析、识别”的报告，报告内容：(1)多视角的面部检测和跟踪：即决定图片中脸部的位置和范围，特征提取和分类器设计是两个关键问题，特征主要有整体强度、皮肤纹理、边缘等，分类器有SVM、adaboost、naive bayesian classifier。比较了FDA、NDA和RNDA三种判别分析方法，其中RNDA是最有效的，面部跟踪方法主要采用collaborative tracking、case based tracking、simultaneous face clustering and tracking，并给出了一些demos。（2）面部特征点检测和跟踪：即自动检测面部标志点，一共有28个点，比如眼睛需要三个点，鼻子两个点，面临的挑战有面部表情的变化，面部姿态变化，提出结合脸形模型和局部点检测，进一步得到一个层次多模态面部特征点检测模型。（3）面部表情分析、识别：利用FACS（面部动作编码系统）进行面部活动的识别，包括六种基本表情（惊讶、高兴、悲伤、生气、害怕、厌恶），基于FACS，提出了通过动态贝叶斯网络对脸部表情、动作单元与脸部特征点间的关系进行建模。（4）眼睛检测和跟踪：眼睛检测是面部识别的重要部分，提出基于SVM的眼部检测，以及融合mean-shift和基于亮瞳的卡尔曼滤波的眼部跟踪（5）眼部视线跟踪：在建立眼部视线和眼部模型的基础上，介绍了基于特征的视线估计（基于2D视线回归、基于3D模型的视线估计），还包括基于头部姿态的方法、基于虹膜、基于眼角的方法等。
通过这次培训，有以下几点感想：
计算机行为科学的意义和前景：计算行为科学是与计算机视觉、机器学习、传感器技术与发展心理学、临床医学、认知心理学等多学科相关的交叉性学科。该学科作为国际上新兴的学科，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，解决发展心理学与临床医学中的重要问题，例如孤独症的早期自动诊断，儿童社交退缩、社交焦虑等行为障碍的早期发现与评估等，具有潜在而深远的社会影响力。通过此次学习，意识到计算机行为科学的重大意义与前景。
计算机专业与心理学专业的合作：参加这次培训的成员主要来自计算机和心理学两个大学科，而各个做报告的老师，他们的研究也涉及了用计算机技术来进行心理方面、行为的研究，如孤独症。对于计算机专业和心理学专业的学者而言，进行计算机行为科学领域的合作，是一个很好的契机，心理学的研究方法和测量基本上都是采用人工、观察的方法，效率低，费时费力，如果能够和计算机专业的学者合作，通过更智能的计算机技术来进行更有效率的研究，将有助于研究的高效进行。这对于我院计算机专业的老师，也是一个新的研究方向和契机。
对我院的科研：我院包括计算机和数学两个大类，而这两个专业在科研上可以很好的结合和合作，要想写出高质量的论文，做好科研，离不开数学，离不开算法，在这次暑期培训中，许多做计算机视觉的老师，采用了SVM、EM、adaboost、朴素贝叶斯、K-means等算法，因此，在科研上，我院的计算机老师和数学老师可以携手共进，共创未来。对自身来说，也应该积极的学习一些算法，与数学系老师加强联系，交流，合作共赢
