人脸表情是人类情感最主要的载体,包含了丰富的心理和情感信息,是最重要的非语言交流方式之一。随着计算机技术的飞速发展和人机交互理论的不断完善,人脸表情识别逐渐成为一个研究热点。人脸表情识别是图像处理、模式识别、心理学等学科的一个交叉课题,是实现计算机人性化、智能化的前提,对分析人类情感也具有重要的意义。本文针对表情识别的基本流程,重点研究了表情识别中的图像预处理、人脸表情特征提取与降维及识别等关键问题,并逐步实现了一个人脸表情识别平台。主要工作如下:1.研究了现有的人脸检测算法,其中重点研究了基于类Haar特征和AdaBoost算法的人脸检测方法,并且利用AdaBoost算法实现了人脸和人眼检测。根据已检测到的人脸图像和左右眼睛坐标,对图像进行几何预处理;并使用直方图均衡化等方法对图像进行灰度预处理,实现人脸表情图像的归一化。2.针对传统的纹理特征提取算法计算复杂度高、速度慢等缺点,本文采用具有多频率、多方向的二维Gabor小波变换进行表情特征提取,通过实验确定合适的二维Gabor变换频率尺度和方向。针对Gabor小波变换后得到的图像维数太高的问题,本文采用2D-2DPCA和AdaBoost相结合的方法进行特征选择,得到所需的表情特征向量。在此基础上,本文采用“one-against-one”方法由多个两类SVM构建多类SVM进行表情分类,使用交叉验证方法获取分类器的最优参数,综合考虑识别性能与实时性能,设计了基于支持向量机理论的表情分类器。3.基于本文对表情识别的研究,开发了自动人脸表情识别平台。通过特定人脸和非特定人脸对系统进行实验测试,不仅验证了本文所采用算法的有效性,还证明了该系统可以作为表情研究和实验的平台,为以后的研究工作奠定了良好的基础。