陈玮 蒋金

摘  要：应用现有比较成熟的人脸面部表情开源算法模型，建立一套机器智能识别系统，量化评价职业微笑的符合度，对人脸表情进行预处理得到纯表情图像，采用优化Gabor提取表情特征，用PCA进行数据冗余处理和用支持向量机识别人脸表情并进行仿真。通过筛选融合现有的开源人脸识别算法，应用于量化评价学员表情中职业微笑的符合度，积累培训学员的模型采样处理，不断优化算法，建立科学的评价系统。

关键词：表情特征;微表情;微笑评价

1  引言

人脸表情识别（FER）是计算机视觉研究热点，微表情识别是人机交互的一个新兴研究课题，面部微表情识别目的是让人工智能产品能够识别出人的表情，应用于职业礼仪类培训、强化职业微笑表情分析，进而量化标准，从而提高评价的精确度。

2  面部表情识别主流方法

微表情识别是用计算机对人脸表情信息进行特征提取分析，按照人类认知和思维方式加以归类和理解，结合人类具有的情感信息方面的经验知识使计算机进行联想、思考及推理，进而从人脸信息中去分析理解人的情绪。

2.1有效提取微表情特征，消除与识别无关信息。传统Gabor滤波器存在提取特征时间较长和特征数据存在冗余性的缺点。

2.2 Gabor和PCA相结合的特征提取，通过支持向量机，对微表情进行预处理得到纯表情图像，采用Gabor提取表情特征，用PCA进行数据冗余处理和用支持向量机识别人脸表情并进行仿真。

3  面部微表情识别的步骤