谢 磊，王士同

江南大学 数字媒体学院，江苏 无锡 214122

1 引言

人脸表情识别是指从特定的表情状态判别被识别对象的心理状况，实现计算机对人脸表情的理解与分析。进而，从根本上改变人与计算机之间的关系，改善人机交互体验。因此，人脸表情识别也逐渐引起关注。一般而言，人脸表情识别方法主要按照图像预处理、特征提取（或降维）、分类的流程实现表情识别。主要侧重于如何利用先验知识更好地提取特征和进行特征表达，再结合分类器作进一步的优化。有许多方法已在表情分类方面得到使用，例如：基于人工神经网络（artificial neural network，ANN）的方法[1]，基于支持向量机（support vector machine，SVM）[2]的方法，基于概率论的贝叶斯分类的方法[3]以及基于隐马尔可夫模型（hiddenMarkovmodel，HMM）[4]的方法。作为单一表情识别问题，在以往的研究中已经达到了不错的准确度。

然而，由Plutchik的情绪理论[5]可知，面部表情的情况可类似于颜色，所有颜色均由三原色混合而成，表情同样是由几种基础表情情绪合成。有少量基本情绪，所有其他情绪均由这些基本情绪以组合、混合或复合形式出现。当然，这些基本情绪的强度不尽相同。可设定一个表情中所有情绪的强度之和为1，则每个情绪强度在0～1之间，那么情绪强度指标可通过各个基础情绪的数值进行描述表达。反观那些只识别表情单一情绪的标签学习方法，则有很大的局限性，在现实场景中不能很好适用。事实情况也是如此，大多数时候人脸的面部表情通常包含了较为丰富的内容，表达着多种情感。……