1、人臉表情識(shí)別是近幾十年來才逐漸發(fā)展起來的一個(gè)科研熱點(diǎn)，指利用計(jì)算機(jī)分析特定人的臉部表情及變化，進(jìn)而確定其內(nèi)心情緒或思想活動(dòng)，實(shí)現(xiàn)人機(jī)之間更自然更智能化的交互。它在許多領(lǐng)域都有著潛在的應(yīng)用價(jià)值，如自然和諧的人機(jī)交互、人工智能、機(jī)器視覺、安全駕駛、公共場(chǎng)合安全監(jiān)控、辨別謊言、電腦游戲等。故而對(duì)面部表情進(jìn)行的分析與識(shí)別研究具有重要意義，是人機(jī)自然交互深入研究過程中所必須解決的重要課題。 本文首先綜述人臉表情識(shí)別的研究意義和應(yīng)用以及研究

2、現(xiàn)狀，總結(jié)歸納目前的人臉表情識(shí)別方法，介紹人臉檢測(cè)和圖像預(yù)處理中的歸一化。本文重點(diǎn)研究以下幾個(gè)問題： 1.研究表情識(shí)別中壓縮后圖像大小對(duì)識(shí)別率的影響和PCA特征維數(shù)對(duì)識(shí)別率的影響。通過在JAFFE和CED-WYU(1.0)庫(kù)上實(shí)驗(yàn)得到幾個(gè)有用的結(jié)論，一、壓縮后圖像的大小不一定是越大，識(shí)別率就能越高。當(dāng)壓縮后圖像的大小達(dá)到一定的程度之后，圖像大小不再會(huì)影響識(shí)別率的高低。二、PCA特征維數(shù)選取跟選擇的分類器有很大的關(guān)系。三、壓縮后大

3、小不同圖像識(shí)別率最高時(shí)的PCA特征個(gè)數(shù)基本上相同。四、嘴識(shí)別率在PCA特征維數(shù)很小的時(shí)候就達(dá)到最高。這些結(jié)論提供一定的參考價(jià)值，為后續(xù)進(jìn)行表情識(shí)別做了鋪墊。 2.研究基于Hopfield網(wǎng)調(diào)整后人臉表情圖像的非特定人表情識(shí)別。這種方法是先選取一套做得較好表情作為標(biāo)準(zhǔn)樣本，用Hopfield網(wǎng)對(duì)這個(gè)標(biāo)準(zhǔn)樣本進(jìn)行訓(xùn)練。再把樣本庫(kù)中的全部樣本用這個(gè)訓(xùn)練好的Hopfield網(wǎng)進(jìn)行調(diào)整，由于Hopfield網(wǎng)具有吸引穩(wěn)定作用，會(huì)使樣本庫(kù)中

4、樣本向標(biāo)準(zhǔn)樣本中相似的樣本靠攏，這樣相當(dāng)于利用它們的相似拉開了各類表情樣本的距離，有利于后續(xù)的分類。實(shí)驗(yàn)結(jié)果表明，采用Hopfield網(wǎng)調(diào)整后的識(shí)別率得到了較大的提高。 3.研究基于整體識(shí)別和局部識(shí)別的融合方法進(jìn)行表情識(shí)別的方法?；谌樀恼w識(shí)別和嘴、眼睛、鼻子各局部表情識(shí)別的結(jié)果，采用多分類器組合規(guī)則再進(jìn)行融合的方法，這樣融合了整體識(shí)別和局部識(shí)別的優(yōu)點(diǎn)。用PCA+LDA提取特征，分別用線性Bayes(LDC)和k-近鄰(KN