1.1研究背景及意义

人脸表情是人们之间非语言交流时的最丰富的资源和最容易表达人们感情的一种有效方式，在人们的交流中起着非常重要的作用。表情含有丰富的人体行为信息，是情感的主载体，通过脸部表情能够表达人的微妙的情绪反应以及人类对应的心理状态，由此可见表情信息在人与人之间交流中的重要性。人脸表情识别技术随着人们对表情信息的日益重视而受到关注，成为目前一个研究的热点，因此我们可以看到在第二季的《大国重器》中人脸表情识别技术也被作为单独一期呈现给观众。

所谓人脸表情识别，就是利用计算机进行人脸表情图像获取、表情图像预处理、表情特征提取和表情分类的过程，它通过计算机分析人的表情信息，从而推断人的心理状态，最后达到实现人机之间的智能交互。不仅如此，利用计算机对人类表情进行分析也能够更好的促进人与人之间的交流，使得人与人之间，尤其是残障人士更好的表达自己，也能使得彼此之间能够更好的理解彼此的所表达的实际内心想法。它的研究对于自然和谐的人机交互、远程教育、安全驾驶、游戏应用、辅助医疗等都有重要的作用和意义。

本文意在将核方法应用于人脸表情识别，用核独立成分分析算法对人脸图像进行特征提取，对传统的核独立成分分析算法进行改进，在人脸数据库中进行实验，可以表明改进的核独立成分分析算法比传统的核独立成分分析对面部姿态，光照等变化具有更好的自适应能力，也可达到更好的识别效果。

1.2国内外研究现状分析

人脸识别最早可以追溯到1888年，高尔顿（Galton）就在《Nature》发表过人脸进行身份识别的文章，但直到20世纪70年代，许多学者才真正面部表情识别的研究，但那时的研究主要集中在生物学和心理学方面。在1971年，美国心理学家Ekman和Friesen对人的面部表情进行了分类，将人类表情分为6种基本情况：高兴、愤怒、厌恶、恐惧、悲伤和惊奇。目前，大多数的人脸表情识别技术都针对这6种基本表情进行识别。1978年，他们又开发出面部运动编码系统（Facial Action Coding System，FACS系统），该系统主要用于对面部表情变化进行检测。1995年，美国麻省理工学院（MIT）媒体实验室的Rosalind W. Picard提出了情感计算的概念，这标志着对人类情感的研究正式开启。

随着计算机运行速度的提升，以及模式识别技术的兴起，人脸表情识别技术得到飞快发展，国外主要形成了以下几类识别方法：

一、基于几何特征的人脸识别方法，主要代表是MIT的Brunelli和Poggio小组，他们采用改进的积分投影法提取出用欧氏距离表征的35维人脸特征矢量用于模式分类;

二、基于模板匹配的人脸识别方法，主要代表是Harvard大学Smith-Kettlewell眼睛研究中心的Yuille,他采用弹性模板来提取眼睛和嘴巴的轮廓，Chen和Huang则进一步提出用活动轮廓模板(即Snakes模型)提取眉毛、下巴和鼻孔等不确定形状;

三、基于K-L变奂的特征脸方法，主要研究者是MIT媒体实验室的的Pentland小组，在此基础上还出现了各种改进方法，如Yale大学的Belhumeur提出的Fisher方法等;