人脸表情识别技术是涉及情感计算、图像处理、机器视觉、运动跟踪、模式识别、生物特征识别、生理学、心理学等研究领域的一个极富挑战性的交叉课题,它是情感计算、人机智能交互的重要组成部分。本文在总结前人研究成果的基础上,针对表情识别中特征提取、表情分类等步骤存在的困难和问题进行了研究,提出了一些改进算法,主要工作内容如下:(1)由于Gabor小波对光照的不敏感,且能容忍一定程度的图像旋转和变形,提高系统的鲁棒性,本文采用Gabor滤波器提取人脸表情特征,得到人脸表情的Gabor系数图谱(Gabor Coefficient Maps,GCMs)。(2)由于局域二值模式(Local Binary Pattern,LBP)算子具有极强的旋转不变性和灰度不变性,可以大大克服预处理过程中难以彻底解决的旋转移位和光照不均的问题,因此本文利用LBP算子对提取的Gabor特征进行编码,得到人脸表情的局域Gabor二值模式(Local Gabor Binary Pattern,LGBP)。然后将人脸图像划分为多个区域,对每个区域利用直方图刻画每个区域的分布属性,不仅使表情特征得到降维,而且得到人脸表情图像的局域Gabor直方图序列描述(Histogram Sequence of Local Gabor BinaryPattern,HSLGBPs)。(3)由于支持向量机(Support Vector Machine,SVM)在小样本学习中的良好表现,本文采用多维的SVM进行表情分类。同时为了进一步降低计算量和提高识别率,通过实验找到表情识别结果和每个方向每个尺度的HSLGBP的关系,最后把识别的先验知识和样本的识别估计值进行融合,得到最后的识别的结果。(4)开发了一个人脸表情识别系统(Facial Expression Recognition System,FERS),系统集成了视频读取、人眼定位、人脸检测、图像预处理、特征提取和表情分类的功能,允许用户选择视频或静态图像进行表情识别。