伊力哈木▪亚尔买买提，张 伟

(新疆大学电气工程学院，新疆 乌鲁木齐 830047)

最近几年，随着人类与机器之间的交互技术的迅猛发展，人脸面部表情识别问题越来越得到众多科学研究者的重视[1－3]，尤其是在智能化模式领域内人脸面部表情辨识己成为现在热点研究内容之一。虽然当前在合理的受控条件下的人脸面部表情识别的研究已获得了长足进步，但是在非受控的自然环境条件下，人脸面部表情图像存在着很多不可预知的因素，这就导致现有的人脸面部表情辨识算法的性能效果不理想，尤其是利用现有的单一识别算法对于人脸面部表情的辨识不能体现出其优势，所以现在众多人脸面部表情识别领域内的学者开始注重多元化多特征融合算法方向的研究。

当前，人脸面部表情识别特征的主要提取方法有基于活动外观模型(AMM)[4]，Gabor 小波变换[5]，线性判别分析(LDA)[6]以及局部二元模式(LBP)[7－8]等。在这些方法中，基于活动外观模型(AMM)能够阐述人脸面部表情对象的纹理特征和形状特征两种特征属性，但是对于确定其初始参数来说比较困难，而且让计算变得复杂；Gabor 小波算法提取的是针对多尺度多方向人脸面部表情信息，这样就会产生高维数的表情特征向量，就会最终导致算法的实时处理不够完美；线性判别分析(LDA)可以加快人脸面部表情识别，但它对训练和检测人脸面部表情图像的灰度相关性有很大的依赖性，这就会导致具有很大局限；……