张日东　贾克斌

(北京工业大学未来网络科技高精尖创新中心　北京 100124)(先进信息网络北京实验室　北京 100124)(北京工业大学电子信息与通信工程学院　北京 100124)

0　引　言

人脸表情是个人情感信息体现的重要方式，是人们日常生活中交流的重要手段，经过心理学家A.Mehrabian的研究表明，在人与人的日常交往过程中，语言代表的信息仅占信息总量的7%，而表情包含的信息占信息总量的55%。所以采用计算机技术对人脸表情进行识别一直都是人们研究的热点。人脸表情识别过程包含表情图像预处理，对人脸进行检测，对检测出的人脸进行表情特征提取和对表情特征进行分类识别 4 部分。其中，最重要的环节就是表情特征提取过程，只有精准对表情特征进行提取，才能有效对表情进行分类和识别。20世纪70年代美国心理学家Ekman将表情分成6种基本类型[1]：高兴、伤心、生气、吃惊、厌恶、恐惧。本文也按照该分类标准，实现对这6种表情的特征提取。

近年来，研究者们有针对性地从两个方面展开对表情识别的研究：一方面是在经典算法的基础上进行改进；另一方面以深度学习算法为基础，构造新的特征提取算法。在采用深度学习的研究方面，文献[2]和文献[3]采用卷积神经网络算法提取人脸表情特征。前者在对表情图像进行基线卷积神经网络处理之前先对图像进行了一系列预处理过程，后者是先对表情图像归一化处理,接着再采用可训练的卷积核提取表情隐式特征，最后用最大池化方法降维处理隐式特征。……