介紹
隨著計算機技術和人工智慧技術及其相關學科的迅猛發展，整個社會的自動化程度不斷提高，人們對類似於人和人交流方式的人機互動的需求日益強烈。計算機和機器人如果能夠像人類那樣具有理解和表達情感的能力，將從根本上改變人與計算機之間的關係，使計算機能夠更好地為人類服務。表情識別是情感理解的基礎，是計算機理解人們情感的前提，也是人們探索和理解智慧型的有效途徑。
人臉表情識別是指從給定的靜態圖像或動態視頻序列中分離出特定的表情狀態 ，從而確定被識別對象的心理情緒，實現計算機對人臉表情的理解與識別 ，從根本上改變人與計算機的關係，從而達到更好的人機互動。 因此人臉表情識別在心理學、智慧型機器人、智慧型監控、虛擬現實及合成動畫等領域有很大的潛在套用價值。
研究現狀
面部表情識別技術是近幾十年來才逐漸發展起來的，由於面部表情的多樣性和複雜性，並且涉及生理學及心理學，表情識別具有較大的難度，因此，與其它生物識別技術如指紋識別、虹膜識別、人臉識別等相比，發展相對較慢，套用還不廣泛。但是表情識別對於人機互動卻有重要的價值，因此國內外很多研究機構及學者致力於這方面的研究，並己經取得了一定的成果。
20世紀70年代美國心理學家Ekman 和 Friesen對現代人臉表情識別做出了開創性的工作。Ekman定義了人類的6種 基本 表 情：高興 (Happy)、生 氣 (Angry)、吃 驚 (Surprise)、恐懼(Fear)、厭惡(Disgust)和悲傷(Sad)，確定了識別對象的類別；其次是建立了面部動作編碼系統（Facial Action Coding System，FACS），使研究者按照系統劃分的一系列人臉動作單元（Action Unit，AU）來描述人臉面部動作，通過人臉運動和表情的關係，進而檢測人臉面部細微表情。1978年，Suwa等人對一段人臉視頻動畫進行了人臉表情識別的最初嘗試，一系列的研究在人臉表情視頻序列上展開。到上世紀90年代，隨著圖像處理與模式識別技術的發展，使得人臉表情識別的計算機自動化處理成為可能，K Mase和 A Pentland是其中的先驅者。二人首先使用光流來判斷肌肉運動的主要方向，然後提取局部空間中的光流值，組成表情特徵向量，最後利用表情特徵向量構建人臉表情識別系統。該系統可以識別高興、生氣、厭惡和驚奇4種表情，識別率接近80%。1997年，哈爾濱工業大學的高文教授領導的團隊將人臉表情識別的研究成果引入我國。2003年，北京科技大學的王志良教授領導的團隊，將人臉表情識別算法套用於機器人的情感控制研究中，並發表了2002年以來人臉表情識別發展情況的綜述。2004年，東南大學的鄭文明博士在面部表情識別方面，提出了基於核典型相關分析、偏最小二乘回歸等多種識別方 法，並負責開發了 自動面部表情識別系統。2006年，國家自然科學基金對人臉表情識別的相關研究正式立項。直至今年，項目數有總體增長的趨勢。國內的清華大學、中國科學院、北京航空航天大學、北京交通大學、北京科技大學、哈爾濱工業大學、東南大學、上海交通大學、西北工業大學、華中師範大學等多所高校和科研機構參與了人臉表情識別相關課題的研究。雖然人臉表情識別的商業套用還處於起步階段，但是國內外研究機構和企業都在不同的領域進行嘗試和研究，部分成果已經取得了專利。因此表情識別的研究具有很大的開發潛力。
過程
表情識別可分為三部分：人臉圖像的獲取與預處理、表情特徵提取和表情分類。
人臉圖像檢測與定位就是在輸入圖像中找到人臉確切的位置，它是人臉表情識別的第一步。人臉檢測的基本思想是用知識或統計的方法對人臉建模，比較待檢測區域與人臉模型的匹配程度，從而得到可能存在人臉的區域。其方法大致可分為以下兩類：(1)基於統計的人臉檢測是將人臉圖像視為一個高維向量，將人臉檢測問題轉化為高維空間中分布信號的檢測問題。(2)基於知識的人臉檢測是利用人的知識建立若干規則，從而將人臉檢測問題轉化為假設、驗證問題。
表情特徵的提取根據圖像性質的不同可分為：靜態圖像特徵提取和序列圖像特徵提取。靜態圖像中提取的是表情的形變特徵，即表情的暫態特徵。而對於序列圖像不僅要提取每一幀的表情形變特徵還要提取連續序列的運動特徵。形變特徵提取必須依賴中性表情或模型，把產生的表情與中性表情做比較從而提取特徵，而運動特徵的提取則直接依賴於表情產生的面部變化。特徵選擇的依據是：①儘可能多的攜帶人臉面部表情的特徵，即信息量豐富；②儘可能容易提取；③信息相對穩定，受光照變化等外界的影響小。
表情識別方法分類大致分為4種情況：
(1)基於模板的匹配方法。
(2)基於神經網路的方法。
(3)基於機率模型的方法。
(4)基於支持向量機的方法。
