段晓珊，王坤侠

(安徽建筑大学 电子与信息工程学院，安徽 合肥230601)

0 引言

面部表情是人类情绪一种直观的外在表达方式，是人与人之间非语言交流的有效手段。心理学家Mehrabian[1]在对人们交流过程中的信息传达进行了一系列的研究中得出一个公式：“信息的总效果=7%言词＋38%语调＋55%面部表情。”由此可见，面部表情在信息传达中占有很重要的比重。人脸表情情感识别的研究可以使计算机更智能、更高效的为人们服务。

作为一种良好的人机情感互动方式，表情识别的研究在近些年受到了众多学者的重视。根据人类情感的不同，Ekman等[2]定义了六种基本情感：愤怒、恐惧、厌恶、快乐、悲伤、惊讶。并且提出了面部运动编码系统(FACS)，根据脸部特征部位的运动来更好的描述表情动作。表情识别系统一般包括人脸检测与定位、表情图像预处理、表情图像特征提取和情感识别分类四个步骤。表情特征的好坏直接影响到识别性能的好坏，因此提取到鲁棒性强的特征在表情识别中起到很重要的作用。人脸表情特征主要有几何特征、统计特征、频率特征等特征。不同的特征在识别中各有各的优缺点。提取表情特征的方法主要有几何特征提取方法[3，4]、外貌特征提取方法[5]、特征点跟踪法[6]、弹性图匹配法[7，8]等。

Gabor滤波器的频率和方向与人类的视觉系统类似，适合用于纹理表示与判别。因此，Gabor小波变化在人脸表情识别的研究受到广泛研究者的关注。龚安等[9]使用Gabor变换进行人脸表情图像的特征提取，并利用局部线性嵌入(LLE)系列算法进行数据降维。……