Glossario IA
Il dizionario completo dell'Intelligenza Artificiale
Micro-expression
Involuntary facial movement of very short duration (40-500ms) revealing a genuine emotion that the subject attempts to conceal. These subtle expressions constitute reliable indicators of true emotional state.
FACS (Facial Action Coding System)
Standardized system developed by Ekman and Friesen to systematically decompose facial movements into elementary muscle action units. Constitutes the taxonomic reference for objective analysis of human facial expressions.
Action Units (AU)
Fundamental muscular units of the FACS system representing individual contractions or groups of facial muscles. The combination of multiple AUs enables mathematical coding of any complex facial expression.
Facial Landmarks
Precise geometric coordinates identifying key anatomical features of the face such as eye corners, lips, and nose. Serve as basis for detecting and measuring facial micro-deformations of muscles.
Convolutional neural network for facial expressions
AI architecture specialized in automatic extraction of hierarchical spatial features from facial images. Optimized to recognize subtle patterns of micro-expressions through its convolutional layers.
Emotional valence analysis
Algorithmic quantification of the positive or negative character of a detected emotion on a continuous scale. Complements activation analysis to determine emotional position in Russell's circumplex model.
Emotional masking detection
Algorithmic identification of conscious attempts to conceal an emotion through a feigned expression. Based on temporal inconsistencies and asymmetries between displayed expression and leaked micro-expressions.
Expression latency
Temporal delay measured between emotional stimulus and detectable appearance of corresponding facial expression. Crucial parameter for distinguishing authentic reactions from controlled or simulated expressions.
Intensité d'expression
Mesure quantitative de l'amplitude des mouvements musculaires faciaux sur une échelle normalisée. Permet de différencier les micro-expressions subtiles des expressions macroscopiques plus évidentes.
Apprentissage par transfert pour micro-expressions
Technique d'entraînement où les modèles pré-entraînés sur de larges datasets d'expressions faciales générales sont fine-tunés sur des datasets spécialisés de micro-expressions. Compense la rareté des données annotées de micro-expressions.
Calibration individuelle
Processus d'adaptation personnalisée des algorithmes de détection aux caractéristiques faciales et patterns d'expression uniques d'un individu spécifique. Améliore significativement la précision en réduisant les biais interpersonnels.
Régions d'intérêt faciales (ROI)
Zones anatomiques spécifiques du visage particulièrement informatives pour la détection de certaines émotions, comme le contour des yeux pour la joie sincère ou les lèvres pour le dégoût. L'analyse focalisée sur ces ROI optimise les performances computationnelles.
Temporal Expression Modeling
Approche algorithmique capturant la dynamique évolutive des expressions faciales plutôt que leur état statique. Modélise les phases d'apparition, pic et dissipation caractéristiques des micro-expressions authentiques.
Mécanismes d'attention spatiale
Composants neuronaux apprenant automatiquement à se concentrer sur les régions faciales les plus pertinentes pour détecter les micro-expressions. Simule le processus cognitif humain de recherche active d'indices émotionnels.
Augmentation de données pour expressions faciales
Techniques de génération synthétique d'images d'expressions faciales pour enrichir les datasets d'entraînement. Inclut des transformations préservant la validité sémantique des micro-expressions comme des déformations subtiles contrôlées.
Analyse d'asymétrie faciale
Quantification des différences d'activation entre les hémifaces gauche et droit comme indicateur d'authenticité émotionnelle. L'asymétrie marquée peut révéler un conflit entre l'émotion ressentie et l'expression contrôlée.