情绪是一种能够表达人的思想、感觉等的综合状态,在人们的交流中有着举足轻重的作用。尤其在人-机交互的研究中,若能准确识别情绪,人-机交互的应用就会更加智能且自然。研究发现,情绪识别的研究综合了认知心理学、计算机视觉、人工智能和脑科学等领域,现已成为一项重要的交叉学科研究课题。如何准确和快速地识别出情绪,一直是该交叉学科领域研究的关键科学问题。目前较成熟的情绪识别算法中,ESRs算法能有效减少剩余泛化误差而提高算法准确度和鲁棒性,但不足之处在于不能有效提取情绪特征,而HOG具有显著的特征提取能力。故将HOG特征加入ESRs模型中融合集成,开展基于HOG-ESRs算法的人脸情绪识别研究;进而采用Py Qt5设计了可视化系统用户界面,并利用Open CV AI视觉开发平台,构建了基于HOG-ESRs算法的人脸情绪识别系统。主要创新工作包括:1提出了HOG-ESRs人脸情绪识别算法模型。因ESRs模型不能有效提取情绪特征,故加入HOG特征。充分结合HOG和ESRs的优点,开展两者的融合集成研究,形成基于HOG特征和ESRs模型的人脸情绪识别算法,即HOG-ESRs算法,并验证了新算法的可行性与优越性;2构建了Open CV AI视觉开发平台。为进一步对新算法性能进行测试验证,同时结合项目需求,采用树莓派中4B主板、云台扩展板等核心器件搭建Open CV AI视觉云平台,为HOG-ESRs算法性能验证提供硬件测试平台支撑;3设计了人脸情绪识别的软件系统。为了本算法能在上述硬件平台上可靠运行,针对本算法设计可视化用户界面。使用Python中Py Qt5,Open CV,Keras等库设计并实现一个包括打开摄像头、选择识别的模型、选择已有的表情图片文件等控件的人脸情绪识别系统的可视化用户界面;4测试与分析。算法上,HOG-ESRs在FER+公开数据集上的实验结果表示,新的算法准确度达到89.3%,较传统集成算法和ESRs算法准确度提高0.2%以上;系统上,对系统用户界面的整体性能测试,即用户界面、新算法和Open CV AI视觉云平台构成的系统的整体验证测试,结果表明在新的算法模型下,对不同年龄、性别的实时情绪识别中,生气与开心的表情识别准确度达到了90%以上。综上,理论分析与实验结果表明,本文的创新工作对提升人脸情绪识别系统的准确度提供了一种新的解决方案,对促进人脸情绪识别系统的实际应用具有重要理论支撑和实际意义。