1、隨著人工智能與模式識(shí)別技術(shù)的發(fā)展，人臉表情識(shí)別在智能人機(jī)交互中起著越來(lái)越重要的作用。事實(shí)上，人臉表情是一個(gè)具有從開始，高潮到結(jié)束的完整過(guò)程，因此對(duì)動(dòng)態(tài)序列圖像進(jìn)行表情識(shí)別可以更有效地反映人臉表情過(guò)程的本質(zhì)，并且動(dòng)態(tài)序列表情圖像包含更多的表情信息，所以動(dòng)態(tài)表情識(shí)別的應(yīng)用更為廣泛，也更有實(shí)際意義。人臉表情的情感強(qiáng)度作為面部表情的一種屬性，被認(rèn)為是動(dòng)態(tài)人臉表情識(shí)別的一種重要參考變量。然而，如何衡量情感強(qiáng)度的值是一直被討論的問(wèn)題。在前人的工作當(dāng)

2、中，常用的方法是人為的按照百分比為情感強(qiáng)度定值。在本文中，我們?cè)O(shè)計(jì)了K階情感強(qiáng)度模型。不同于其他的相關(guān)工作，該模型可以用無(wú)監(jiān)督的方式將整個(gè)情感強(qiáng)度從中性到最強(qiáng)分為若干等級(jí)。將表情序列的特征從K階情感強(qiáng)度模型輸入之后，對(duì)輸出特征進(jìn)行編碼，將編碼結(jié)果用于動(dòng)態(tài)表情識(shí)別。該識(shí)別方法可不用考慮動(dòng)態(tài)表情序列包含的幀的數(shù)目，使得該方法在實(shí)際使用中更加方便。本文中的實(shí)驗(yàn)在Cohn-Kanade人臉表情數(shù)據(jù)庫(kù)上測(cè)試，并且用支持向量機(jī)分類器進(jìn)行表情識(shí)別。實(shí)