邵 洁，董 楠

(1.上海电力学院电子与信息工程学院，上海 200090;2.中国科学院上海高等研究院城市公共安全研究中心，上海 201203)

人脸表情识别是人机互动中机器智能化的重要功能之一.通过“读懂”人类的脸部表情，机器可以进行情感预测，并根据预测的情感状况做出相应动作或表情等一系列行为.这一功能不仅可以在商业领域帮助销售者预测顾客的需求或广告投放的精准率，还能够在医疗领域帮助自闭症患者更好地融入社会.

人的脸部表情是自然情感的对外表达方式，可以分为开始、顶峰、结束3个阶段.通常情况下，表情仅仅会持续很短的时间，并且有时只包含脸部肌肉的微小变化，这使脸部表情的识别问题更加具有挑战性.

现代科学针对人脸基本表情的识别始于1978 年，ESSA I A 和 PENTLAND A［1］开发了面部运动编码系统(Facial Action Coding System)，将脸部区域划分为46个运动单元进行分析，该系统针对高兴、悲伤、惊讶、恐惧、愤怒、厌恶6种常见人脸表情进行识别.其后的代表性研究主要有:CALDER A J等人［2］针对PCA在面部表情识别中的应用进行了分析;BARTLETT M S等人［3］提出了基于独立分量分析算法(Independent Component Analysis，ICA)的人脸表情识别方法;COHEN I等人［4］将隐马尔可夫模型(Hidden Malcov Models，HMMs)应用于基于动态信息的面部表情识别;LYONS M J等人［5］通过提取二维小波变换特征，实现了面部表情识别算法等.

本文提出了一种新的基于人脸三维特征点建模，实现自然表现的6种常见表情(高兴、悲伤、惊讶、恐惧、愤怒、厌恶)快速识别的算法.算法流程包括特征点提取、特征模……