面部表情识别（FER）对于日常心理健康监测非常重要，因为面部表情反映了个人的精神状况。然而，使用可穿戴设备仍然难以实现准确便捷的FER。
近期，河南大学郑海务/张远征/张嘉伟团队报道了一个高精度、自供电和智能的FER系统，该系统由一个用于收集面部表情信号的摩擦电水凝胶传感器网络和一个用于处理和识别信号的深度学习模型组成。
本文要点：
（1）制备的FTHS作为一种可穿戴设备，具有良好的拉伸性、透明性和生物相容性，其美观性可被大多数用户接受。
（2）FTHS可以根据不同的面部动作产生电信号，如皱眉、眨眼、脸颊运动和张嘴。为了提高FER的准确率，采用一维卷积神经网络（1D- cnn）模型对表情数据进行处理，该模型可以识别愤怒、厌恶、恐惧、快乐、悲伤和惊讶六种基本表情，平均准确率为99.44%。
（3）该系统可用于收集日常情绪信息以评估心理健康状况，也可用于患者和医生之间的虚拟交流。同时，该系统可以在没有摄像头的情况下平稳运行，极大地保护了患者的隐私。
总体而言，这项工作不仅可以帮助医生通过虚拟通信确定患者的健康状况，同时保护患者的隐私，还可以为未来的虚拟远程医疗提供一种非常有前途的方法。
文章来源：
https://doi.org/10.1002/adfm.202418265
