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面部表情等来表达,近些年来面部表情分析引起了很多计算机视觉研究者的兴趣。同时,面部表情分析是一个人工智能、计算机视觉、图像处理、心理学、认知学等多学科交叉的研究领域,其研究对这些学科尤其是人工智能学科的研究有较大的推动作用。 面部表情识别分为人脸检测、特征提取和表情分类三部分。目前在这三个方面科学家们都进行了很多研究,但这三方面尤其是特征提取和表情分类方面的问题仍未得到很好解决。 本文探索一种新的人脸表情识别方法。在特征提取方面,利用局域二值模式(LBP)技术进行面部纹理特征提取,该特征较容易得到,而且能较好地描述人脸特征。在表情分类方面,采用由粗略到精确的表情分类方案。在粗略分类阶段,利用卡方值测量测试样本与各个表情模板间的差异,实现从七类表情分类到两类表情分类的粗略分类。在精确分类阶段,采用多模板对、加权卡方值和k阶近邻域分类器相结合的方法来实现最终的表情分类。本文方法首先用于灰度图像中人脸的表情识别。采用JAFFE数据库中由9个人表现的193幅表情图像验证该方法的有效性,平均识别率可达到77.5%,高于报道的采用相同数据库、相同数据库划分的其他方法。本文方法还用于彩色图像中人脸表情的全自动识别。实验结果验证了方法的有效性。