1、　　人們的面部表情在日常的交流中起著十分重要的作用，有關(guān)的心理學(xué)研究表明人們的面部表情中所包含的情感信息遠(yuǎn)遠(yuǎn)超過了聲音中所包含的情感信息。作為模式識別與機(jī)器視覺領(lǐng)域中非常具有挑戰(zhàn)性和創(chuàng)新性的研究課題之一，人臉表情識別技術(shù)是涉及到計(jì)算機(jī)視覺、模式識別、人工智能、圖像處理、情感計(jì)算等多學(xué)科領(lǐng)域的綜合課題，也是現(xiàn)今極為活躍的研究方向之一。
　　本文將人臉表情作為主要的研究對象，將人臉表情識別算法作為主要的研究目的。在分析本課題研究現(xiàn)狀

2、的基礎(chǔ)上，提出了一種將改進(jìn)的AdaBoost算法與支持向量機(jī)(SVM)相結(jié)合的人臉表情識別算法。下面將本文的研究重點(diǎn)總結(jié)為幾個方面的內(nèi)容：
　　1)人臉檢測。從現(xiàn)有的人臉檢測算法入手，針對人臉檢測在復(fù)雜的背景條件中檢測率低、速度慢等問題做了分析和研究，將基于類Haar特征的人臉檢測算法作為了本文的檢測算法，并給出了檢測的結(jié)果。
　　2)人臉表情區(qū)域的定位。人臉的表情信息在其眉毛、眼睛和嘴部表現(xiàn)的較為集中，因此為了更有效地

3、提取出人臉表情的本質(zhì)特征，刪減掉部分弱特征，本文采用基于灰度積分投影的方法對人臉的關(guān)鍵表情區(qū)域進(jìn)行了定位，并用Gabor濾波器對其進(jìn)行濾波處理，得到代表圖像表情本質(zhì)信息的紋理特征，作為該圖像表情識別的特征向量。
　　3)二次降維和表情分類。雖然區(qū)域化選擇表情特征使得提取到的圖像特征維數(shù)有了一定程度的降低， 但是對于識別分類的要求而言，其維數(shù)還是比較高的，因此本文又選取了AdaBoost的修改算法進(jìn)行二次降維，并將一種改進(jìn)的Ada