随着情感计算和智能化的人机交互界面的发展,要求机器具备感知和理解人的情感的能力。因此,面部表情分析作为一个重要的课题被提出来,并在近十多年来展开了广泛的研究。目前已有多种面部表情识别方法,但是对表情强度的度量并没有充分展开。对面部表情进行强度度量有助于进一步理解人的情感状态和情绪强度,是情感机器人的未来发展趋势。本文在总结面部表情分析研究现状的基础上,针对面部表情强度度量的方法开展研究,并构建了一个表情强度度量系统实例,其主要工作如下:1.采用一种基于L-K光流算法的改进的跟踪方法对面部特征点进行跟踪。原始L-K光流算法用于面部特征点跟踪时,易出现跟踪不稳定的情况。通过把面部特征点之间的几何位置关系作为约束,对跟踪偏差大或丢失跟踪的点进行修正跟踪,提高了面部特征点的跟踪准确率。2.在表情特征降维阶段,采用一种非线性降维方法-等容特征映射(Isoamp),从高维的面部特征点运动轨迹中抽取出表示表情强度的一维流形。这种降维方法自动产生了训练集的表情强度大小和范围。3.将SVM用于对表情强度等级的度量。引入5级表情强度等级,训练集中的图像由Isomap提取出表情强度值,划分为5个强度等级之一。训练的面部特征点轨迹与相应帧的表情强度等级作为SVM的学习样本,建立表情强度模型,对测试序列中的表情帧进行强度等级的分类。4.运用以上方法,构建了一个面部表情强度度量系统实例。针对特定个体的高兴表情进行强度度量。实验结果表明,该系统用于面部表情强度度量是有效的。