微表情检测和识别研究面临哪些挑战？
从微表情论文发文数量可以看出，微表情检测和识别的研究属于一个小众的研究。 其限制的主要原因在于大规模、高质量、公开的数据资源的稀缺。 所以，用机器学习方法做微表情研究，面临的一个重要的问题便是：如何建立大规模、高质量的数据库资源。 这面临着从硬件，到软件，到标准的一系列严峻挑战。 在国内，关于微表情研究的会议或论坛并不是很多，大多只是小圈子内一些研究者之间的相互交流，其他研究人员以及大众对于这方面的研究进展知之甚少。
什么是微表情识别？
现有的的微表情识别方法通常基于传统机器学习，设计一种手工特征（Handcrafted Feature）来提取微表情片段中的特征，依照数据预处理——特征提取——特征分类的框架进行微表情分类。 随着近年来深度学习在计算机视觉中的发展，使用深度学习方法进行微表情识别的尝试也逐渐增多。 下面我将从数据集、数据预处理、传统方法、深度方法四个角度来简单介绍微表情识别工作。
微表情分析有什么用？
微表情引发人们强烈的兴趣， 不仅应用于破案、相亲、娱乐游戏、应对招聘面试等领域，甚至 有人尝试在教学上引进微表情识别技术。 微表情分析具有一定的悬念性，因而成为许多电视台提高收 视率的法宝之一。
微表情的识别与认知神经机制有哪些？
相对于研究较多的持续时间较长的宏表情，对微表情的产生、识别（自动识别）及相应的认知神经机制都有待进一步探索。 微表情不可自主控制的属性使其可以应用到国家安全（安检）、司法实践（审讯）、临床医学（医患沟通）、广告与消费（监测消费者的真实态度）等等各个行业领域的真实意图检测。