微表情是在某种特定情境下,人们试图压抑或隐藏真实情感时,出现在脸部的短暂表情。它是人们心理活动的意识动作,能够反映出人真实的情感变化,在许多领域都有着重要的应用。然而,微表情具有持续时间短、强度小且局部发生的特点,使得计算机自动识别微表情的研究面临着巨大的挑战。针对微表情发生的特点,本文的主要工作总结如下:(1)面部在产生微表情的同时也存在一些无关的肌肉动作,现有微表情识别的全局方法会提取这些无关动作的特征向量,影响识别效果。根据微表情发生时所牵涉到的动作单元所在区域,提出了局部区域的研究方法,该方法通过面部关键点坐标,将与微表情相关的七个局部区域划分出来。首先研究面部各局部区域特征的微表情识别性能,实验结果揭示了微表情“惊奇”、“厌恶”与眼睛区域、微表情“高兴”与嘴巴区域、微表情“压抑”与下巴区域有较高的关联度;接着,提取局部组合区域的特征向量,进行微表情识别。研究结果表明局部组合区域的微表情识别效果优于全局区域方法。(2)特征描述子LBP-TOP、HOG-TOP、HIGO-TOP是微表情识别常用的特征提取方法,然而提取到的特征向量维度高、计算复杂度大、运行时间长、识别准确率低。提出运用信息增量和Fisher两种特征选择方法对高维度特征向量进行降维,提高识别率。采用3种核函数(线性核、卡方核和直方图交叉核)的支持向量机进行“留一交叉验证”方法的微表情分类实验。大量的实验仿真表明了这两种特征选择方法能够减小计算复杂度,缩短运行时间,大幅度的提高微表情的识别效果。