情感计算是国际上近几年刚刚兴起的、试图使计算机(机器)能够像人类那样具有理解和表达情感能力的一个多学科交叉的新研究领域,在智能人机交互中起着重要作用。由于人的情感主要通过人脸表情等来表达,近些年来人脸表情分析引起了很多计算机视觉研究者的兴趣。人脸表情识别是指利用计算机分析特定人的脸部表情及变化,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互。一个完整的表情识别系统主要由以下五部分组成:人脸表情图像获取、预处理(人脸检测与定位)、寻找感兴趣区域、人脸表情特征提取和人脸表情识别。本文分析和研究了大量近年来国内外关于人脸表情识别的学术论文及文献,对计算机人脸表情识别的若干问题进行了探讨,针对人脸表情识别中表情特征的提取方法进行了深入的研究,并探讨了人脸表情识别技术在游戏中的应用。本文的研究工作主要包括以下几个方面:(1)概括了本文的研究意义和应用前景,回顾了情感计算,人脸表情识别和游戏式学习国内外研究现状,讨论了情感,情绪和表情之间的关系,对现有的多种表情识别方法进行了综述。(2)讨论了对人脸表情图像进行预处理的方法和特征区域分割的依据。在进行表情识别时,首先将表情图像由彩色图像转化为灰度图像(训练数据采用的是日本JAFFE表情库,已是灰度图像,不需此过程),然后进行手动旋转调整和尺寸归一化,再次利用平均脸模板构造与匹配进行人脸检测和定位,最后对表情图像进行直方图均衡化,经过均衡化后图像的细节更加清楚,直方图各灰度等级的分布更加均匀。(3)提出基于灰度共生矩阵(GLCM)和混沌遗传优化算法(CGA)的人脸表情识别方法。为了消除遗传算法中个体在解空间内分布的不均匀性,利用混沌的随机性、遍历性和规律性,将混沌引入到遗传算法中,由此得到了混沌遗传优化算法;通过灰度共生矩阵提取出的特征和改进后的混沌遗传优化算法,将人脸表情识别的寻找感兴趣区域和特征提取合并成一步;最后利用支持向量机(SVM)进行图像分类。(4)首次将人脸表情识别应用于游戏中,通过摄像头对玩家玩游戏时表情图像的捕捉,利用人脸表情识别实验系统对其识别,结合相应的心理学知识,建立玩家的个性化日志,并且通过游戏表征出来玩家的心理状态,为人机交互提供了有益的参考。