1、人臉表情識別技術(shù)是涉及生物特征識別、模式識別、圖像處理、機器視覺、運動跟蹤、生理學(xué)、心理學(xué)等研究領(lǐng)域的一個極富挑戰(zhàn)性的交叉課題，是近年來模式識別與人工智能領(lǐng)域的一個研究熱點；它是情感計算、智能人機交互的重要組成部分，有著廣泛的應(yīng)用前景和潛在的市場價值。 人臉表情識別一般分為人臉檢測、特征提取、特征選擇和表情分類等環(huán)節(jié)。本文主要研究了特征提取和表情分類過程中的一些關(guān)鍵問題，研究了一些改進算法，并進行了仿真實驗。主要的工作如下：

2、 1、表情特征提取系統(tǒng)介紹并復(fù)現(xiàn)主動形狀模型(ActiveShapeModel,ASM)，對影響ASM性能的各因素進行實驗與分析，針對傳統(tǒng)ASM存在的問題研究兩個改進算法： (1)針對ASM受初始狀態(tài)影響的問題，先使用PCDM方法，粗略定位眼睛的位置，根據(jù)人臉圖像的特點、眼睛在人臉中的幾何位置和平均形狀基本確定人臉中各個特征的位置。將其作為灰度搜索的初始狀態(tài)，避免因初始化位置過遠引起的搜索速度減慢、搜索精度下降等問題；

3、 (2)對構(gòu)建局部紋理模型的方法進行改進，從ASM的原始思想出發(fā)，在獲取局部紋理向量時，將法線方向改進為關(guān)鍵點鄰域內(nèi)兩相鄰標(biāo)定點連線的垂線方向，從而充分利用標(biāo)定點之間的聯(lián)系與特征區(qū)域的紋理信息。 2、表情分類 介紹并實現(xiàn)了人工魚群算法(ArtificialFish-SwarmAlgorithm，AFSA)，對影響AFSA性能的各參數(shù)進行實驗與分析，針對傳統(tǒng)AFSA存在的問題研究了幾個改進算法： (1)提出最佳步