面部表情在非语言行为传达信息方面起到非常重要的作用,近二十年来面部表情自动识别一直是人机交互方面的研究热点。而在面部表情中,笑脸是最具代表性也是最特别的,笑可以被看成是好情绪的表现。所以本文将研究笑脸的检测,即好情绪的检测,而不是研究识别所有表情的系统。而且情绪检测技术具有巨大的潜在应用。比如可以通过摄像头拍摄正在看商业广告的人,自动分析他(她)是否在笑,即是否有一个好情绪,从而得出他(她)是否喜欢这个广告。1.本文首先研究了整个情绪检测系统的框架,即人脸检测与定位,表情特征提取和表情分类三个步骤。经研究发现,人脸检测与定位已非常成熟。本文对由Viola等提出的基于Haar特征与Adaboost算法的人脸检测方法进行研究,并据此训练了人脸检测器。2.经过对人脸检测器实际检测过程的研究发现,可以根据视频的特性对检测过程进行改进。在以俯视角安装的固定摄像头所拍摄的视频中,同一水平线上的人脸大小基本相同,而离摄像头近的人脸在视频中比离摄像头远的要大,且离摄像头近的人脸会离视频图像的底部近些,据此本文提出了基于视频的人脸搜索窗口设定的方法。对白行拍摄的视频进行测试表明,人脸检测速度有了较大地提升,并且减少了一些误检。3.通过对颜色空间和肤色模型的研究,结合肤色信息,使用YCbCr颜色空间和肤色范围模型对人脸检测器所检测到的人脸进行进一步的验证,排除一些误检。4.使用Haar特征和Gentle Adaboost算法对情绪特征提取和分类,最终对320×240大小的视频,情绪检测系统的检测速度可以达到15帧／s,基本满足实时性要求。