郭文强，李梦然，侯勇严，肖秦琨

（1.陕西科技大学电子信息与人工智能学院，西安 710021；2.陕西科技大学电气与控制工程学院，西安 710021；3.西安工业大学电子信息工程学院，西安 710021）

0 概述

随着人工智能技术的快速发展，智能化系统对人脸特征识别的性能要求日益提高。人脸面部表情在日常生活交流中扮演重要的角色［1-2］，是人们在用非语言形式交流时传递情感信息和表达情绪的有效方式，蕴含丰富的情感资源。在早期人类面部表情研究中，文献［3］通过对面部肌肉运动与人类表情的关系进行研究，提出面部动作编码系统FACS，并根据不同的动作单元组合定义出开心、悲伤、生气、厌恶、恐惧和惊讶6 种人类的基本表情［4］。后期的人类表情识别研究均是在6 种基本表情基础上进行的［5-6］，但这些基本表情仅是最基本的面部表现方式，不能涵盖人类所有的心理和情感。如疼痛虽然不属于上述6 种基本的面部表现方式，但它也是人类表情的一种［7］。因此，利用人类面部肌肉运动信息进行疼痛识别是一种可行方案。

疼痛表情识别技术对于无法通过自然语言表达疼痛状态的特殊人群（如婴幼儿患者、痴呆病患与重症病人）的诊疗和护理具有重要的临床意义，该技术在医疗领域［8-10］中具有广阔的应用前景，已经逐渐成为研究的热点。文献［11］提出一种基于概率潜在语义分析（Probabilistic Latent Semantic Analysis，PLSA）模型的疼痛表情识别方法。该方法采用光流技术提取疼痛表情特征，利用词包模型将面部运动信息转换为视觉文字来表示疼痛表情，但是将PLSA 模型用于表情识别时，样本数据的增加使得模型中的参数也呈线性增长，导致容易出现模型的过拟合问题。……