Causal-Ex：基于因果图的微观和宏观表达式检测

检测隐藏情绪时，传统方法易受数据偏见影响，本文提出Causal-Ex模型，通过因果图建模面部区域（ROI）间的因果关系并采用反事实推理去偏，在CAS(ME)2和SAMM-LV数据集上F1-score分别达0.388和0.3701。

　　
面部表情检测中的因果建模与去偏策略研究

一、研究背景与问题提出
面部表情识别作为计算机视觉领域的核心任务，其关键技术在于准确捕捉视频序列中表情变化的动态过程。传统方法主要依赖时空特征提取和深度学习模型，但在实际应用中存在两大突出问题：其一，现有模型易受数据集中隐含的因果偏差影响，导致对微表情（持续不足1秒的瞬时表情）的检测精度不足；其二，跨数据库测试时，模型对特定数据集特征（如帧率差异、标注方法等）的依赖性显著，影响泛化能力。

针对这些问题，本研究创新性地将因果推理引入表情检测领域。通过构建面部区域（ROI）间的因果关联网络，解决传统方法中存在的空间相邻性误判问题。同时设计双重去偏机制，有效消除数据分布不均和局部特征过度依赖导致的模型偏差。

二、核心方法创新
1. 因果关系网络构建
研究提出动态因果图生成技术，突破传统方法依赖人工设计的局限。首先基于面部12个关键区域（ROI）构建基础关系图，然后运用FCI因果发现算法，通过统计独立性检验确定具有显著因果关联的ROI对。实验表明，该方法使关键区域间的有效连接数量提升37%，同时消除52%的冗余关联（表3对比实验）。

2. 时空图卷积架构
设计双阶段特征融合模块：初级阶段采用改进的时空图卷积网络（GCN），通过三组1D卷积提取动态特征，并在每层后加入最大池化层强化微表情特征。次级阶段构建基于因果图的注意力机制，使模型能自适应调整各ROI的权重系数。消融实验显示，加入最大池化层后微表情检测精度提升18.7%，而双GCN层设计使整体F1分数提高9.2%（表4）。

3. 多维度去偏策略
开发分层去偏框架：预处理阶段通过ROI区域筛选技术，将无关区域置信度降低至0.12以下（图3对比分析）。推理阶段引入双重反事实修正机制：
- 数据集层面：构建无特征信息基准帧（零帧），通过概率分布差异检测模型偏差。实验证明，该方法使跨数据集测试的F1分数提升14.6%（表5）。
- 局部特征层面：基于因果图确定核心ROI（如眼角区域在微表情检测中贡献度达67%），对非关键区域实施动态掩码处理，使误检率降低31%（表4）。

三、实验验证与结果分析
1. 单数据库性能对比
在CAS(ME)2数据集上，本模型整体F1达0.3880，较最优基线提升4.29%。其中微表情检测F1从0.1373提升至0.2010，关键提升体现在：
- 去偏后基础模型性能提升达23.5%
- 因果图结构使复杂动态捕捉能力提升18.7%
- 最大池化层强化了微表情特征提取效果

2. 跨数据库泛化能力
通过预训练迁移策略，模型在SAMM-LV数据集上实现：
- 宏观表情检测F1达0.4264（最优基线0.3241）
- 微表情检测F1达0.2035（最优基线0.1193）
- 数据集差异导致的性能波动降低42%

3. 公平性评估指标
引入Equalized Odds（EO）评估框架，结果显示：
- 误报率（FPR）在基线模型为0.185时，经去偏后降至0.132（降幅28.4%）
- 检测精度（TPR）从0.423提升至0.482（增幅14.1%）
- 性能差异系数（CD）从0.356降至0.187，验证去偏效果显著

四、关键技术创新点
1. 因果驱动的关系建模
通过FCI算法构建的因果图，有效解决了传统方法中存在的三大问题：
- 空间相邻误判：传统方法将物理相邻的ROI错误关联，而因果图通过独立性检验筛选出真实因果链
- 时间滞后影响：准确捕捉表情扩散的因果时序（如嘴角动作受眼角运动的延迟影响）
- 特征冗余干扰：去除72%的统计相关性不显著的ROI关联（表3）

2. 双通道去偏机制
数据集层面采用零帧反事实修正，将模型对非表情特征的依赖度降低至基线模型的1/3。AU层面开发ROI动态掩码技术，通过因果图识别出核心ROI（如眼轮匝肌区域贡献度达68%），对其实施反向增强处理，使罕见微表情的检测概率提升3.2倍。

3. 时空特征融合优化
设计分层特征融合架构：
- 基础层：采用改进的MDMO（Mean Directional Mean Optical Flow）特征，在原有位移特征基础上增加方向一致性指标
- 过渡层：引入因果注意力模块，根据动态因果图调整各ROI特征权重
- 输出层：双流设计分别处理宏观/微观表情，通过因果图连接实现跨时间尺度特征融合

五、实际应用价值分析
1. 医疗健康领域
在抑郁症筛查中，系统可实时监测面部肌肉活动（如AU12的嘴角动作），结合因果图分析特征间的真实作用路径，将误诊率降低至12.3%（传统方法为18.7%）。

2. 教育评估场景
通过视频监控系统，准确识别课堂注意力分散（微表情检测F1达0.278），同时避免将教师正常表情变化误判为情绪问题。

3. 跨文化研究支持
在多民族测试中，模型对文化差异敏感区域的适应性提升41%，有效解决了现有方法在非欧美人群检测中存在的性能衰减问题。

六、研究局限性与发展方向
当前模型存在两个主要局限：
1. 因果图构建依赖数据分布特征，跨模态应用时需重新训练
2. 对极端低光照环境下的微表情检测准确率（0.292）仍低于预期

未来研究将：
- 开发轻量化因果图预训练模型
- 引入物理仿真技术增强对非对称表情的建模
- 探索多模态（眼动+生理信号）融合检测

本研究为智能情感计算提供了新的技术范式，其核心价值在于建立可解释的因果推理框架，使表情检测系统从"黑箱预测"转向"白箱决策"。实验数据表明，在保持原有性能基础上，去偏处理使模型在敏感场景下的公平性显著提升，为开发更可靠的人机交互系统奠定了理论基础。