人脸表情含有丰富的人体行为信息,是人们进行非语言交流的一种重要方式。人脸表情识别在人机交互、智能机器人、安全驾驶、临床医学等领域有着非常广泛的应用前景。本论文主要研究内容如下:1.阐述了人脸表情识别的研究背景和意义,介绍了表情识别的国内外发展现状,并从特征提取和分类两方面对人脸表情识别领域的若干关键技术方法做了总结和概括。2.本文提出基于Adaboost和多掩模的人眼精确定位算法,该算法先通过Adaboost算法定位人眼大概区域,再利用矩形掩模和椭圆形掩模进一步缩小眼睛所在区域,最后计算像素点的分布中心得到眼睛坐标。3.针对局部二元模式(Local Binary Pattern, LBP)算法的三大不足,本文采用中心化二元模式(Center-based Binary Pattern, CBP)算法提取人脸表情特征。该方法与LBP相比,不但降低了特征向量的维数,而且将中心像素点的作用考虑在内,同时改写了符号函数提高了抗噪性。实验表明,CBP算法在提取人脸表情特征方面有较快的速度和较强的抗噪性。4.在表情分类阶段,本文尝试分别采用中心最近邻分类器(Center Nearest Neighbor, CNN)和二对二多分类支持向量机方法(SVM)对表情进行分类,并将二对二多分类SVM方法、CNN和其它方法进行比较实验,实验表明二对二多分类SVM方法不但识别速度快,而且有着较好的识别性能。