牛犇 滕运江

（金陵科技学院电子信息工程学院 江苏省南京市 211169）

人脸表情能够快速、准确传递出当事人的状态、思想和态度等内在心理，成为众多情感表达中最自然、最直接有效的方式。基于非接触式图像和视频序列的人脸表情识别成为人机交互及人工智能领域不可或缺的环节，具有重要的研究意义。人脸表情识别在生活中的应用非常广泛，如情感机器人能够通过捕捉人脸表情来感知人类的喜怒哀乐；医疗服务方面，可以通过对病患的人脸表情识别判断其痛苦情况，辅助医生进行诊断；交通安全方面，通过对车辆驾驶员进行实时人脸表情识别，可以在疲劳驾驶和突发情况时及时给予提示；公共安全方面，通过人脸表情识别可以预测人们的心理变化，从而预防恶性事件的发生；教育方面，可以通过实时的人脸表情识别来反映学生的学习状态[1]。

著名心理学家Ekman 定义了6 种基本表情和1 种无表情状态，即：生气、厌恶、恐惧、高兴、悲伤和惊讶，无表情状态也称为“自然表情”。Ekman 等根据面部肌肉的运动将人脸划分成不同区域，建立了“面部动作编码系统”（Facial Action Coding System，FACS）。不同的肌肉运动过程，能够产生不同的表情，从而实现人脸表情识别[2]。研究人员在此基础上开展了大量的研究工作。目前人脸表情识别主要基于两种方法：传统的特征提取方法和深度学习方法。传统的人脸表情识别方法依赖于特征提取的有效性及分类器设计的合理性，常用的特……