微表情是一种短暂的、微弱的、无意识的面部微表情，持续时间往往在0.5s内，能够揭示人类试图隐藏的真实情绪。微表情识别的研究旨在让机器有足够的智能，能够从人脸视频序列中识别人类的真实情绪。然而，由于微表情持续时间短、面部肌肉运动强度低，对其进行准确的表征与识别是一项极具挑战性的任务。 

　　为促进心理学领域和计算机视觉领域针对微表情的进一步研究，中国科学院心理研究所组织一系列云上微表情的学术活动。该系列活动由中国图形图像学会举办，机器视觉专业委员会承办，心理所王甦菁博士组织。  

　　第一期的云上微表情研讨会在7月31日开始。在会议报告中，来自东南大学的宗源博士分享了其团队近年来有关微表情识别的研究进展：受人脸运动单元编码系统理论的启发，提出的一个简单而有效的组稀疏学习模型及其系列变种，用于解决微表情的表征和跨数据库识别难题，并分享了他个人对微表情识别这一方向未来发展的一些想法，强调大规模微表情数据库的建立是微表情自动化分析发展的重要条件，同时微表情检测的方法研究对微表情分析的应用落地十分关键。 

　　宗源从联合多层空间划分和核组稀疏学习的微表情识别、基于领域再生成框架的跨库微表情识别、联合直推式迁移回归模型和辅助集选择模型的跨库微表情识别三个方面，层层递进，进行了关于微表情识别方法的报告。 

　　报告结束后，听众们踊跃发言，提出问题，大家就微表情数据库的建立、动作单元（AU）检测和微表情分析的关系等相关问题展开讨论 

　　活动持续近一个半小时，得到了微表情领域研究人员的广泛关注，近百位听众参加本期活动。