人脸表情识别技术在许多领域都有着广泛的应用和研究价值,本文详细讨论了人脸表情识别系统的具体结构组成和实现方法.一个完整的表情识别系统应由以下几部分组成:人脸表情图像捕获、预处理、人脸特征检测与定位、人脸分割与归一化、人脸表情特征提取、人脸表情识别。本次论文研究工作除了人脸表情图像捕获部分外,其余部分都做了充分的实验和分析,主要过程是:先简要回顾了面部表情识别的研究现状,然后介绍了人脸特征检测、主要器官定位及人脸切割技术,接着运用两种方案进行人脸表情识别,第一种基于小波变换和离散余弦变换的人脸表情识别方案。该方案首先对输入图像进行脸部切割和规范化得到“规范化标准脸像”,然后用离散小波变换进行数据降维,用离散余弦变换去除数据的相关性和并使能量聚集,再用ZIGZAG算法提取表情特征矢量,最后用马氏距离进行分类识别。实验表明:本方案中算法简单,快速,对六种基本表情的识别率最高可达89.44%。不足之处在于泛化性能不佳,还有待今后改进。为了提高人脸表情的识别率,最后又引入了BP神经网络理论应用于人脸表情识别第二种方案,该方案不但提高了识别率,还增强了人脸表情识别的泛化性能。