目前关于人脸面部表情的相关研究正在逐渐应用到国家安全、司法系统、医学临床等领域,而其研究大多为基于数据库的定性分析。本文将采用三维数字图像相关方法进行人脸面部表情的相关研究。基于该方法高精度和高适应性的优势,文章利用此方法对人脸面部表情进行定量的分析,为揭示人脸的力学行为和表情形成机理奠定基础。本文建立了数字图像相关方法误差计算的理论模型,通过对数字图像相关方法中不同散斑图质量的研究,提出以最优灰度梯度区间作为评价散斑图质量的客观标准,并结合数值模拟和真实实验进行验证,为之后面部表情的变形测量奠定了基础。同时,针对人脸面部肌肉测量的具体特征,选择与以往不同的相关函数进行图像匹配,以信号直流分量提供的图像位置信息来提高实验方法的测量精度。通过坐标变换的方法消除头部运动导致的刚体位移,得到单纯的特定表情状态时面部肌肉变形场。在深入研究方法原理的基础上,对普通表情和微表情状态下面部肌肉变形进行精确的计算和定量的分析,得到表情形成时面部肌肉的运动规律。实验采用自传式回忆的方法唤起被测试者的基本情绪,随之进行模仿来诱发面部普通表情;采用指导性表达抑制的方法诱发被测试者的微表情。本文研究了人在高兴、愤怒、悲伤、恐惧四种特定情绪时的面部表情行为。通过对特定表情状态下的肌肉运动进行全场和局部的计算,获得精确的三维位移场。全场分析可以确定面部肌肉的整体运动规律,而局部分析可以对关键部位的运动进行更为详细的研究。结果表明,面部微表情状态与普通表情状态的运动规律基本一致,只是位移幅度存在显著差异。实验测量结果与实际情况基本吻合,符合常规认知,不同的是本文将特定表情状态下面部肌肉的运动规律从以往的感性认知上升到精确计算和定量分析的水平。