随着中国进入老年社会,空巢老人的问题越来越受到国家的重视。为了提高对空巢老人的医疗保健服务效率,实现低成本健康监护,同时满足空巢老人心理养老的需求,EPIC实验室对机器人与云计算技术在实时健康监护的应用进行了研究。对人脸表情进行识别能实时地了解老人的心理状况,从而使机器人更好地和老人进行情感交互,完成健康监护的功能。人脸表情识别,通过对人脸表情信息进行处理并提取其特征然后进行分类,从而使计算机根据人脸的表情信息推断出人的心理状态,实现人机智能交互。一般而言,人脸表情识别主要有三个步骤:表情图像预处理、表情特征提取和表情分类识别。对人脸表情识别的研究背景和研究现状进行了介绍,阐述了人脸表情识别三个基本部分的相关问题。介绍了基于Haar特征的Adaboost人脸检测技术,以及在表情图像预处理中的图像的角度、尺度和灰度归一化的方法;在表情特征提取部分,总结了一些常见的表情特征提取方法,并详细介绍了Gabor小波变换,主成分分析(PCA)和线性判别分析(LDA)特征提取方法;在表情分类环节,讨论了常用的表情分类算法K最近邻(KNN)和支持向量机(SVM)。对基于Gabor小波特征的人脸表情识别方法进行了一系列的实验,选择出合适的人脸裁剪标准、尺度归一化尺寸、Gabor滤波器组、特征降维方法和表情分类器,并在实验结果的基础上设计了一个基于PC端的实时表情识别系统和一个基于WEB端实时表情识别系统。