一种基于局部表征的面部表情识别算法

陈昌川，王海宁，黄 炼，黄 涛，李连杰，黄向康，代少升

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.山东大学 信息科学与工程学院，山东 青岛 266000)

人脸表情识别可以识别人类面部表情，例如惊讶、悲伤、高兴、愤怒等，且面部表情识别存在广泛潜在应用[1]，可用于人机交互、购物推荐、犯罪调查、医疗救助等。例如：人机交互时根据用户浏览商品表情变化推荐商品、推测喜好；刑事侦查中利用犯罪嫌疑人面部表情推测其心理变化；医疗救助时观测患者面部表情调整药品剂量等。

文献[2]提出人类情感信息有55%是通过人脸传递的，若能使用计算机读取面部信息，人机交互将会有更好的体验。基于此，1987年美国心理学家EKMAN等[3]提出面部运动编码系统(Facial Action Coding System，FACS)，该系统对常见的面部肌肉运动单元(Action Unit，AU)做出详尽描述并将其具体到编码，同时，他们将人脸表情分为6种基本表情：愤怒、厌恶、惊讶、高兴、悲伤、恐惧。

在EKMAN等的研究基础上，面部表情识别已取得很大进步。通常情况下，多数方法将面部表情识别分为两步：特征提取与分类，特征提取分析面部图像并获取潜在特征，分类器根据所获潜在特征做出最优分类。特征提取是表情识别关键一步，直接影响表情识别的效果。对于特征提取现有研究将其分为两类：几何特征和纹理特征。一些研究学者[4-7]提出根据人脸特征点形变情况统计进而识别表情，建立在可靠特征点定位与跟踪之上，并根据特征点间数学特征统计求得表情分类；然而仅靠部分特征点变化分析并不能代表整幅人脸表情，导致精度不高。……