冯 杨，刘 蓉，鲁 甜

（华中师范大学物理科学与技术学院，武汉 430079）

0 概述

在人际交往过程中，人们通常根据对方面部表情变化来判断其情绪，以更好地进行交流。随着人工智能和机器学习的兴起，人脸表情识别技术得到深入发展，其应用日益广泛。通过增强人机界面，机器能更好地感知用户情绪，在行为科学和临床实践中捕捉并分析罪犯与患者的微观表情可了解其潜意识，基于人脸表情识别的情感分类器能帮助情感交互存在障碍的人群增进情感交流。此外，人脸表情自动识别技术还应用于人体异常行为检测、计算机接口、自动驾驶以及健康管理等多个领域。

关于人脸表情识别的研究最早始于1978 年，SUWA 等人［1］跟踪脸部视频动画获取每帧图像关键点的运动规律，并将其与原始图像关键点模型对比后得到识别结果。1991 年，MAS 等人［2］采用光流方法跟踪肌肉运动走向，获取局部空间光流值组成表情特征向量构建人脸表情识别系统。传统的人脸表情识别主要采用局部二值模式［3］、非负矩阵因子分解［4］和稀疏学习［5］等机器学习方法来提取浅层特征。

从2013 年开始，深度学习方法逐渐应用于面部情感识别的研究。文献［6］采用卷积神经网络（Convolutional Neural Network，CNN）解决了面部表情的主观独立性问题以及图像平移、旋转和尺度不变等问题。文献［7］利用区域卷积神经网络（Region Convolutional Neural Network，R-CNN）学习人脸表情特征。随着深度学习技术的不断发展，研究人员基于CNN 设置辅助网络模块、网络层结构和网络集成来增强表情识别能力。……