微表情檢測和識別研究面臨哪些挑戰？
從微表情論文發文數量可以看出，微表情檢測和識別的研究屬于一個小眾的研究。 其限制的主要原因在于大規模、高質量、公開的數據資源的稀缺。 所以，用機器學習方法做微表情研究，面臨的一個重要的問題便是：如何建立大規模、高質量的數據庫資源。 這面臨著從硬件，到軟件，到標準的一系列嚴峻挑戰。 在國內，關于微表情研究的會議或論壇并不是很多，大多只是小圈子內一些研究者之間的相互交流，其他研究人員以及大眾對于這方面的研究進展知之甚少。
什么是微表情識別？
現有的的微表情識別方法通常基于傳統機器學習，設計一種手工特征（Handcrafted Feature）來提取微表情片段中的特征，依照數據預處理——特征提取——特征分類的框架進行微表情分類。 隨著近年來深度學習在計算機視覺中的發展，使用深度學習方法進行微表情識別的嘗試也逐漸增多。 下面我將從數據集、數據預處理、傳統方法、深度方法四個角度來簡單介紹微表情識別工作。
微表情分析有什么用？
微表情引發人們強烈的興趣， 不僅應用于破案、相親、娛樂游戲、應對招聘面試等領域，甚至 有人嘗試在教學上引進微表情識別技術。 微表情分析具有一定的懸念性，因而成為許多電視臺提高收 視率的法寶之一。
微表情的識別與認知神經機制有哪些？
相對于研究較多的持續時間較長的宏表情，對微表情的產生、識別（自動識別）及相應的認知神經機制都有待進一步探索。 微表情不可自主控制的屬性使其可以應用到國家安全（安檢）、司法實踐（審訊）、臨床醫學（醫患溝通）、廣告與消費（監測消費者的真實態度）等等各個行業領域的真實意圖檢測。