胡宇森 禹素萍 许武军 范红

（东华大学信息科学与技术学院 上海市 201620）

1 引言

人脸表情识别一直都是计算机视觉领域的重要研究课题之一。作为多学科交叉的领域，近年来随着信息技术和人工智能技术的发展，表情分析从定性到量化，使得计算机可以通过算法对表情进行分类，对强度进行定量化。面部表情识别是实现人机交互、赋予机器情绪识别能力的重要环节，而面部表情识别包括了对表情的分类和对表情强度的识别。目前对表情表情分类的研究较多，而对表情强度的识别研究较少。在已有的表情强度识别的方法中，Lien J 等采用对一段表情序列进行标记再训练的方法，这种方法虽然方便快捷，但对表情强度的定义具有很强的人为主观性。Ka Keung Lee等依赖序列的前后关系给出表情强度值。陈伟宏提出的方法可以自动提取出表情强度值，但由于其在特征提取步骤采用的L-K 光流法的跟踪不稳定，故给后续的强度识别造成了很大影响。对LK 光流法提取的特征点进行进行校正，采用特征降维的方法实现了对单类表情的强度度量。本文将通过提取特征点，提出了基于相似度统计的ISOMAP 方法，实现了对高维人脸特征点数据进行降维，并实现自适应表情强度度量。

2 面部特征提取

根据Ekman对人类表情的系统性研究，人类的基本面部表情都是基于面部肌肉变化所产生的，之后的实验中将面部划分为额-眉、眼-睑、鼻-唇三大区，研究三大区域面部肌肉的变化和表情的联系从而提出六大基本情绪：愉快、惊奇、悲伤、厌恶、愤怒和恐惧。……