近年来,通过解码人体生物电信号进而赋予机器理解人类意图的能力,已成为人机交互领域研究的热点方向。而其中肌电信号具有信噪比高、易采集、模式丰富等特点使得基于其的人机交互受到广泛关注,并己在基于手势、口型识别等人机交互中得到应用。本文研究基于面部动作肌电信号的人机交互技术。由于不同面部动作(如皱眉、眨眼、咬牙等)需要相应的肌肉群不同程度参与,从而导致面部动作肌电信号在位置、幅度、频率等方面存在差异。因此,选择合适的面部动作,并利用信号处理和机器学习技术准确检测和识别其产生的肌电模式就可以实现对不同动作的精准编码,从而作为对外交互的指令进行输出,实现不需要双手和语音的人机交互。本文侧重于对具有共性肌电模式的多种面部动作进行准确、实时的识别算法研究。主要工作有:1)基于前额单通道的面部动作肌电模式识别算法研究。通过实验分析选择6种具有跨被试、跨试次共性肌电模式的面部动作。提出短时能量信号分割方法,提取多种时域特征并结合随机森林分类的识别算法。对10名被试的6种面部动作肌电模式进行识别,达到92.05%的平均正确率。该方法在跨被试迁移学习数据增强情况下能进一步提高识别准确率(94.17%);在不需要自身训练数据而完全采用他人数据进行训练的情况下达到了 84.25%的平均识别准确度。2)基于头部多通道的面部动作肌电模式识别算法研究。提出了一种融合通道内时域特征、通道间时域特征及相关性特征的实时特征提取方法并结合随机森林分类算法的面部动作识别算法,对5名被试多达16种面部动作进行了识别,达到96.8%的平均识别正确率。通过对5种眼部动作和6种嘴部动作的指令组合理论上可将交互指令扩展至60种,但需要较大训练成本。本文中,3位用户通过训练测试了 30种指令组合,达到了 83.9%的平均准确率。另外为了去除或减少头部运动干扰导致的误触发和识别错误,引入了陀螺仪传感器跟踪头部运动姿态并反馈到识别算法中,增加了系统的鲁棒性。3)基于单通道和多通道面部动作肌电模式识别技术的实时人机交互测试系统开发。开发了可以应用到不同场景的实时面部动作人机交互测试系统,包括对车辆驾驶时的手机控制、机械臂运动控制、多旋翼无人机飞行控制以及打字系统。测试结果证明了系统的有效性和实用性。