姜月武，路东生，党良慧，杨永兆，施建新

（上海工程技术大学 电子电气工程学院，上海 201620）

0 引言

人脸表情是肢体语言的一种，肢体语言在人际交流中具有表达情感的作用。人脸表情识别是一个多学科交叉研究的热点，主要有心理学、生物学、计算机科学等。早在20 世纪70 年代，Ekman 和Friesen就在跨文化研究结论的基础上定义了6 种基本情绪：愤怒、厌恶、恐惧、高兴、悲伤和惊讶，而这项研究表明人类对某些基本情绪的感知方式是相同的［1］。还有其它情感描述模型如面部动作编码系统（FACS），其可以进行更宽泛和多种类的人脸表情刻画和分类。人脸识别技术的早期探索始于SUWA M等通过在连续的人脸图像序列上进行特征点的标记，再去跟踪识别这些特征点的变化与原模型进行比较得到表情信息［2］。基于传统机器学习的人脸表情识别技术依赖于人工特征。局部二值算法（LBP）、Gabor 特征提取、主动形状模型（ASM）等是机器学习算法常用提取特征的方法，这些方法常常用于小数据集。随着计算机硬件的提升和高性能GPU 的出现，深度学习网络重新成为了热点，2012 年基于CNN 搭建的AlexNet 模型的出现，表情识别的准确率实现了大幅提升，远超传统机器学习的准确率［3］。

本文对人脸表情识别在机器学习和深度学习上国内外的研究进展进行综述，首先介绍常用的人脸表情数据集；而后分别就机器学习与深度学习在人脸表情识别的主要算法分别进行了总结；最后展望未来表情识别技术的挑战与机遇，对表情识别技术的未来发展趋势进行了分析。……