陈 龙，张水平*，王海晖，陈言璞

1.武汉工程大学计算机科学与工程学院，湖北 武汉430205；2.智能机器人湖北省重点实验室（武汉工程大学），湖北 武汉430205

面部表情因其能真实呈现并传递信息，成为人们日常生活的主要沟通方式之一，心理学家莫翰彬研究表示，通过语言人类只传递45%的信息，包括语气、语调、口音等其他附加条件，其余55%的信息则通过面部表情的不同形态加以呈现。所以及时地分析发言者的表情变化，可以使听者揣摩发言者心理状态，推测发言者的情绪，进而推断发言者动机。通俗而言，面部表情识别是借助计算机将人类思维智能化，便于促进人与人的群体交互，呈现研究对象情感的不同形态，使研究者借助面部表情的不同形态预测研究对象的情绪和意图。如何让机器读懂人的脸部表情，改变单一的键盘输入或者语音输入的输入方式，能够使机器越来越智能化，满足人类在人机交互中的更高需求，提高人机交互的舒适度，提高机器服务的质量，是当前我们研究的重要问题［1］。

近年来，面部表情识别的研究和应用领域拓宽，是计算机视觉、人机交互、图像识别等领域的重点研究课题。传统的图像特征提取方法，有局部二元模式［2-3］（local binary pattern，LBP）、Gabor小 波 结 合 梯 度 直 方 图 变 换［4-5］（histogram of oriented gradient，HOG）、主 成 分 分 析 法［6］（principal component analysis，PCA）、基于模型的方法［7］等，而传统的方法由于存在计算量大、鲁棒性不足等问题，在应用落地中比较困难。因此，基于数据驱动的面部表情识别收获了较多关注度［8］。2004年，Ahonen等［9］使用的LBP算法被用于面部识别领域，以获得更高效的特征提取。……