在过去的二十年里，情感系统被用来对情感表达进行分类。这些系统大多基于Paul Ekman的分类方案，即六种普遍情绪：厌恶、恐惧、幸福、惊讶、悲伤和愤怒。尽管埃克曼在他的研究中表明类别通常由大多数人的面部表情推断出来，我们表达自我的方式更自然，因此，大多数时候都很难分类。人类通常以不同的方式表达自己，有时甚至结合了所谓普遍情感的一个或多个特征。这在某种程度上嵌入了维度情绪表征，通常被描述为唤醒和配价空间。

对于大多数应用程序来说，处理一组受限的情绪或简单的瞬时情绪描述是一个严重的限制专注于任何一种人类互动。人类有能力使其内部情绪表现适应新的感知情绪表达，并利用它来更好地了解另一个人的情绪行为。这个机制被描述为一个发展性学习过程，在观察或参与不同的互动后，人类可以学习如何描述复杂的情感行为，如讽刺、信任和移情。

从OMG-Emotion数据集的视频中提取的帧¹.

人工智能，甚至认知系统的最新研究趋势已经将计算模型视为一种人类模型感知分类任务。然而，该领域的大多数研究仍然基于瞬时表达式分类，其中的任务是使用不同的方式描述单个情感表达。这与情绪行为感知和学习。

近年来，发布了许多关于野外情绪识别的语料库。所有这些数据集，尽管非常具有挑战性，专注于即时情绪分类。这意味着他们为短期（通常是几秒钟）设置了一个特定的标签情绪表达。有些语料库具有注释交互，例如IEMOCAP、SEMAINE和EmoReact，然而，它们仅限于受限和有限的上下文场景，这不允许开发更多的自然主义情感描述模型。

研究人员以前曾对长期情绪行为处理和学习进行过研究，但大多数人面临的问题是缺乏具有长期情感关系的具有挑战性的语料库，这些语料库使用严格的方法进行注释。如果这样的语料库如果可行，他们将能够评估自己的模型，并将其解决方案的行为与其他解决方案的性能进行复制或比较。因此，这项挑战的重点是对致力于当代认知层面情感的社区进行长期的情感行为分类计算模型。挑战期间提供的一分钟渐进情绪行为数据集（OMG-Emotion数据集）是一个强大、完整且具有挑战性的语料库可以作为在情感计算领域达到下一级上下文处理的基础。

OMG-情绪识别挑战重要日期：
发布带注释的培训和验证数据：2018年3月14日.
发布测试数据并打开在线提交：2018年4月27日.
关闭提交门户（代码和结果）：2018年4月30日.
关闭提交门户（纸质版）：2018年5月3日.
获奖者公告：2018年5月4日.

特别会议：
OMG情感挑战赛将与“人类行为识别的神经模型”特别会议一起举行。参与团队应向我们发送一份关于其解决方案的摘要文件，如果接受，该文件将在WCCI/IJCNN 2018年会议期间作为口头报告提交。

期刊特刊：
参加小组将被邀请提交他们的摘要的扩展版本，以安排一个特别的问题。提交的材料将按照期刊惯例进行同行评审。