表情是情绪的外部表现。面部的瞬间表情,显示的是人们内心真实的情感,因此,可以通过面部表情的分析去探究人的情感状态与认知状态方面的内容。美国著名心理学家阿尔培特认为,在人进行感情表达时,往往言词的使用只占7%,而声调占38%,剩下的55%由表情来完成。人脸表情识别的目的是使计算机能够根据人的表情信息,推断人的心理状态,它是一个新兴的热门学科,对人机交互、安全、机器人制造、医疗、通信和汽车领域都起着不可估量的作用。表情识别分为两大类:动态视频的表情识别和静态图像的表情识别。本文针对静态图像的表情识别做了如下工作:1.研究并实现了基于模板匹配的人脸检测方法,包括制作模板、选择匹配算法、进行马赛克检验。自动的表情识别中,成功检测人脸,是表情识别的首要步骤。2.对表情识别预处理方法进行了研究。各种人脸图像形态各异,尺寸不一,背景不尽相同,且存在多种光照条件。本文通过直方图均衡化,图像规格化等一系列预处理步骤,对各种图像进行了预处理,为提高表情识别率奠定良好的基础。3.提出了基于轴对称性的人眼定位方法。表情识别中有个重要步骤是眼睛、嘴巴等特征的定位,本文针对广义中心对称方法的不足,提出了基于轴对称性的人眼定位方法,该方法利用邻域关于过眼球中心的垂直线的轴对称性,以下半圆为邻域,选择轴对称性强的邻域所代表的点作为候选眼睛中心。试验表明该方法的精确度高,速度快,适合于表情丰富的人脸图像。4.将隐马尔可夫应用到表情识别中,分别给每种表情建立了隐马尔可夫模型。表情识别中数据量大,计算相当复杂,本文通过对人脸图像的眼睛和嘴巴区域图像进行K-L变换,提取出主要特征向量,将特征向量输入到隐马尔可夫模型中,通过多次叠代,训练出稳定的模型,识别过程中通过计算给定图像与模型的相似度,认定相似度高的模型所代表的表情即为给定图像的表情。实验证明,隐马尔可夫模型鲁棒性好,将该模型应用到表情识别中比较成功,识别率高。