人脸表情蕴含着丰富的个人情感信息,对表情的自动识别在人机交互、智能安防、心理分析等领域具有广阔的应用前景。目前,多数的表情识别算法主要以正面无遮挡的表情图像作为研究对象。但在现实生活中,表情遮挡时有发生,致使算法的识别率与鲁棒性下降。因此,针对局部遮挡条件下的人脸表情图像,提出更为鲁棒的人脸表情识别算法,已经成为计算机智能化应用领域的研究热点。本文以局部遮挡条件下的鲁棒表情识别方法为研究方向,在完成人脸检测和图像预处理的基础上,主要针对表情识别过程中的特征提取和表情分类两个核心阶段进行算法优化研究,力求提高表情识别算法在局部遮挡条件下的识别率和鲁棒性。本文的主要工作如下:(1)提出了基于Gabor小波和灰度共生矩阵的表情特征提取算法。该算法一方面针对Gabor特征维数较高的缺点,根据人脸主要器官的分布特征,设计了一种分块提取Gabor特征统计量的方法,在保留了人脸空间特征的同时降低了Gabor特征维数;另一方面,考虑到Gabor特征的分块处理会造成像素空间相关性缺失的问题,该算法首次将反映像素间位置分布特性的灰度共生矩阵引入到表情识别领域,弥补了Gabor特征分块处理产生的不足。实验结果表明,该算法对于不同区域、不同程度的表情遮挡具有鲁棒性强、特征向量维数低、分类耗时短、识别速率高的优点。(2)设计实现了最优的基于多分类支持向量机的表情分类算法。该算法基于多分类支持向量机理论,将(1)中提取的表情特征作为输入,选取径向基函数作为核函数,通过网格搜索法确定最优的核参数g和惩罚参数C的取值,训练生成最优的支持向量机模型,最后利用该模型完成待测图像的表情识别。实验结果表明,该算法能够在一定程度上克服不同数据环境下个体差异对表情识别的干扰,取得良好的识别效果。(3)设计并构建了局部遮挡条件下的人脸表情识别系统。本系统基于C/S架构进行设计,将上述的理论研究成果进行了C语言模块化,形成了一套完整的鲁棒人脸表情识别系统。系统性能测试结果表明,本系统对于专业表情库中的遮挡图像具有良好的识别效果,识别率可达80%以上;系统对于实际复杂环境下的表情遮挡图像具有一定的粗分类能力,说明系统具有一定的实用性。本系统的设计与完成,可为人脸表情识别从实验迈向实际应用提供技术储备。