吴 珂 周梦莹 李高阳 陈增照 何秀玲

(华中师范大学国家数字化学习工程技术研究中心 湖北 武汉 430079)

0 引 言

随着人工智能的兴起和发展，人类面部表情检测作为其中的一部分得到了广泛的关注和研究，涉及诸如心理学、认知科学、计算机视觉、图形学等学科，具有相当高的综合性。现阶段，优化、组合角度几何特征，对准确体现人脸细致表情极其重要。

当前，表情识别是通过特征提取、识别分类这两个手段来进行的。另外，更深入的研究会将识别的鲁棒性和更精细的表情识别作为方向[1]。以面部特征点为基础来进行特征提取的方式主要包括几何和纹理特征，文献[2]中提到可以提取的面部特征有几何特征和外貌特征，几何特征可以表示面部组件的外形和位置。文献[2]还提到了特征点，由于特征点识别算法比较成熟，直接检测这类特征更加直观、有效。文献[3]采用局部纹理特征、全局几何特征和混合特征，提出局部层-全局层-混合层的三层表情图像分类框架。文献[4]提出基于ASM定位的面部基准点并利用图像差值作为表情特征进行识别。文献[5]提出将人脸图像里面的结构特征和纹理信息进行融合，采用RBF神经网络识别表情，人脸特征点的识别定位使用AAM算法。面部编码识别系统显示情绪变化时的面部肌肉运动状态，由Ekman等[6]在1978年改进，通过划分脸部活动单元，以这些单元的组合为基础，并根据不同表情的特点来描绘出每个表情的变化，至今仍然在被使用。……