在愈发火热的计算机科学人工智能研究领域,人类面部的信息获取与分析作为实现人工智能的重要的生物特征,其特征信息的检测、分析和处理是实现电子设备人工智能化的前提和关键研究方向之一,具有相当大的应用与实践前景和市场开发潜力。本文主要研究对人脸部区域的检测、眼睛区域定位追踪与分析、面部表情特征分析,由此基础上,对面部信息进行检测、融合并应用。主要研究内容与工作如下:1、提出了一种基于轮廓圆眨眼识别算法,用于实时判断睁眼状态和闭眼状态。首先,采用AdaBoost方法训练得到分类器,检测出人类脸部图像,进而追踪眼部图像并实现瞳孔定位。而后,为了去除干扰的瞳孔区域像素,引入九宫格思想,得到了纯净的上眼睑区域像素集合。在此基础上,利用最小二乘法对上眼睑区域像素进行轮廓圆形拟合,得到上眼睑区域的轮廓圆。提取轮廓圆的圆心位置和半径参数特征向量,并以圆心位置准则判断出识别睁眼和闭眼状态。提出基于双眼双阈值的眨眼识别方法,减少了误检次数,多次正常眨眼和疲劳眨眼实验表明:轮廓圆眨眼识别算法能够精准识别眼部状态。2、本文采用局部约束模型(Constrained Local Model,CLM)的方法通过主动外观模型的方法从手动标定的人脸表情训练集中得到形状特征模型和纹理特征模型,对脸部特征点进行定位与提取,然后基于面部运动编码系统对人脸区域进行划分,从而形成脸部运动单元。在此基础上,利用支持向量机SVM对脸部特征向量进行分类,以此对人脸六种基本表情和中性表情进行分类识别,并且把眼部状态与表情识别进行融合,形成对人脸面部信息描述。本文提出的算法和方法在人员情绪检测和人工智能领域通过系统测试,试验表明轮廓圆算法能够实时检测眼部状态,局部约束模型和支持向量机方法的表情识别能够稳定识别人员表情变化,一定程度上实现了机器设备的智能化。