李冠杰 孙杰

（天津工业大学 天津市 300000）

人类的面部表情变化可以传达出其内心的情绪变化，表情是人类内心世界的真实写照[1]。上世纪70年代，美国著名心理学家保罗·艾克曼经过大量实验之后，将人类的基本表情定义为悲伤、害怕、厌恶、快乐、气愤和惊讶六种[2]。现如今，面部表情识别主要使用计算机对人类面部表情进行分析识别，从而分析认得情绪变化，这在人机交互、社交网络分析、远程医疗以及刑侦监测等方面都具有重要意义。本文在对近几年有关人类面部表情识别方面的相关成果进行总结分析，并对国内外表情识别算法进行研究，提出基于卷积神经网络的面部表情识别算法，最后通过试验验证该算法的准确性。

1 研究现状

传统的人类面部表情识别方法首先是进行特征提取，然后在此结果的基础上进行特征分类。在这两个步骤中，特征提取起到至关重要的作用，如果能够提取到更好表达表情信息的特征值，就可以在很大程度上提高最终结果的准确率。BERRETTI[3]等人使用SIFT特征进行面部表情识别，取得了78.43%的准确率。W Zhang[4]等人结合了LBP和Gabor两种特征，其对表情识别的结果达到了98%。在进行表情特征提取之后需要对这些特征进行分类，选用合适的分类器算法也尤为重要。目前主要的分类器算法有K-means分类器、贝叶斯分类器、支持向量机、隐式马尔科夫模型[5]等。传统的表情识别算法在数据样本较小的时候效率和准确率较高，但是由于缺乏泛化功能，在复杂的环境和海量数据集中很难得到较好的结果。……