人脸表情识别技术是模式识别、计算机视觉、情感计算、心理学等领域的一个极富挑战性的交叉课题,是近年来的一个研究热点。它是情感计算、智能人机交互的重要组成部分,有着广泛的应用前景和潜在的市场价值。人脸表情识别的研究对于增强计算机的智能化和人性化,开发新型人机环境,以及推动心理学等学科的发展,有着重要的现实意义,并最终产生很大的经济效益和社会效益。本文主要研究了人脸表情特征提取、特征选择过程中的一些关键问题,提出了一些改进方法,并通过实验进行了有效性验证。本文的主要工作如下:(1)提出了基于小波分解的人脸表情图像获取方法。该方法对原始的人脸表情图片进行小波分解,可得到四张包含源图像不同频率的子图。第一张子图表现源图像的细节信息,第二张子图表现源图像的水平边缘信息,第三张子图表现源图像的垂直边缘信息,而我们所要的人脸表情信息是纹理信息和形变信息,因此我们选取前三幅作为获取到的人脸表情图像。与未进行小波分解图像获取相比,我们提出的方法为后继的人脸表情特征提取及识别提供的表情数据量减少了1/4,可适当提高特征提取及识别的速度。(2)提出了基于小波分解的分块改进VLBP特征提取方法。该方法首先对获取到的不同频率的人脸表情图像采取不同分块大小进行分块,然后采用分块改进的VLBP算法提取特征。经过小波分解及分块后再提取特征,可有效降低特征维数,加快识别速度。实验表明,该方法在识别速度提高的同时也得到了较好的表情识别率。(3)提出了基于神经网络贡献分析的特征选择方法。由于VLBP的特征维数很高,存在很多无关特征和冗余特征。本文提出了基于神经网络贡献分析的人脸表情特征选择方法,以此来降低特征维数,减少无关特征和冗余特征,同时降低计算复杂度,提高识别速度。该方法对改进VLBP算法提取到的高维表情特征使用神经网络贡献分析法进行特征选择,然后采用聚类性分析对选择后的人脸表情特征进行有效性分析,从而确定所选的特征。实验表明,该方法在有效降低人脸表情特征维数的同时可进一步提高表情识别率。(4)采用面向对象的设计方法,设计实现了基于图像序列的人脸表情识别原型系统,并从实验角度验证了上述方法的有效性。