面部表情识别是人工智能领域的一个新兴的研究热点,它是涉及生物特征识别、图像处理、机器视觉、运动跟踪、生理学,心理学等研究领域的一个极富挑战性的交叉课题。研究目标是让一些人工智能产品能够自动地识别出人的表情,进而分析人的情感。它是情感计算、智能人机交互的重要组成部分,有着广泛的应用前景和潜在的市场价值。本文设计的表情识别系统由以下几部分组成:人脸图像的检测、人眼的检测与定位、纯表情图像的分割与归一化、小波变换降维处理、人脸表情特征提取、人脸表情识别。本文主要研究了表情特征空间提取的以及表情图像的分类中的一些关键问题。提出了一些算法的改进,并进行了仿真实验。主要的工作如下:1.使用了SMO算法来进行实时的人脸检测。采用改进的Rough算法进行眼睛的精确定位。然后采用根据眼睛的坐标对图像进行旋转、剪切及放缩等几何处理和使用直方图均衡化等进行灰度处理的预处理方法。2.通小波变换进行图像降维处理。使用小波变换后的二级低频子图代替原始图像,以减弱图像对光照和位置的敏感性。使用加权主元分析(WPCA)、改进的线性Fisher判别、PCA与LDA相融合的算法进行表情特征空间的提取和训练。3.在分析多种表情模板构造和分类的基础上,针对同一种表情在表现形式上存在着差异,所以把一种表情划分为多个子表情模板。采用了C均值动态聚类的方法来构造表情模板。对于待识别的图像,采用Parzen分类器进行归类识别。4.设计了一个基于Labview平台的自动表情识别系统。该系统从数据库中获得人脸表情图像。集成了人脸检测、特征提取、表情分类等功能。共能识别出高兴、悲伤、厌恶、生气、惊讶、恐惧和中性7种表情。