如今的社会里,计算机在各行各业中逐渐替代并超越人类的能力,而让计算机拥有和人类一样甚至更高的智能是我们许多人奋斗一生的目标。人的智能由理性的逻辑思维和感性的情感思维构成,而人与人之间最直接和主要的传递情感途径就是表情。本文的主要研究内容是优化支持向量机的参数选择并将其运用到动态人脸表情识别分类,核心的研究工作如下:本文将蚁群算法、网格算法和网格划分思想有机结合,提出多维参数寻优智能算法——AGM算法。理论上蚁群算法能将解决问题的快速性、全局优化特性和一定用时内解法的合理性相融合;网格搜索思想又克服了蚁群算法的早熟性收敛;网格划分思想在保证搜索精度的基础上降低了搜索复杂度,正是通过这三者的有机结合共同组成了 AGM算法。而在本文支持向量机应用所实际遇到的四维参数寻优中,AGM算法也有较好的表现。本文提出和设计了跨平台实时表情识别解决方案,该方案主要采用级联分类器、人眼辅助角度修正、图像预处理、Gabor滤波、PCA降维、参数优化和SVM分类等技术。最终,该方案在JAFFE表情数据库的实际测试中达到92.857%的成功率。此外,本文将实时表情识别解决方案在移动端进行了实际开发和应用,在低端Android手机的实际识别速度也达到每秒2次识别,满足实时识别的需要。同时,本文对移动端表情识别的应用也进行了探索,设计出了混合表情识别功能和表情数据分析功能。