1. 研究目的与意义

研究背景： 21世纪初,高速发展的人工智能技术,计算机技术和其他相关技术,使得整个社会的自动化和智能程度不断提高,人们开始对类似于人与人之间交流方式的人机交互的需求增加。

而在人与人面对面交流时,不光语言信息可以交流,而且面部表情和肢体动作也能够传达一些辅助信息,作为声音信息以外的辅助信息,它们可以帮助听话人更好的理解说话人的主要思想。

因此,面部表情作为一种表现情绪,主体状态的形式,携带了大量有关个体行为的信息。

2. 研究内容和预期目标

主要研究内容：（1）掌握opencv的移植操作及其使用方法。

（2）了解svm向量法计算（3）理解并实现开发板硬件系统和摄像头的通信，适当添加其他便捷功能。

（4）根据需要设计系统所需要的模块，并进行模块的整合，完成所要设计的系统，并通过大量实验实现要达到的功能要求预期目标:基于开发板的人脸表情识别系统的设计与实现需要实现以下功能：（1）实现开发板和摄像头的通信。

3. 研究的方法与步骤

研究方法：（1）查阅opencv相关资料及手册，找到的资料和论文，对本课题的数据库有一个大致的了解。

（2）需要一定的嵌入式知识储备和硬件知识组装硬件，搭建设计环境。

（3）进行移植和软硬件整合调试。

4. 参考文献

[1]Essa Irfan A. Coding, Analysis, Interpretation, andrecognition of Facial Expressions [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1997-07,19(7): 757-763.[2]Calder Andrew J, Burton A Mike, Miller Paul, Young Andrew W. APrincipal Component Analysis of FacialExpressions [J].Vision research，2001, 41: 1179-1208.[3]Havran C, etal. Independent Component Analysis for face authentication [A].KES’2002proceedings-knowledge-based intelligent Information and Engineering Systems[C].Crema (Italy),2002-09. 1207-1211[4]Bartlett Marian Stewart, Lades H Martin, SejnowskiTerrence J. Independent componentrepresentations for face recognition Proceedings of the SPIE Symposium onElectronic Imaging [A].Science and Technology; conference on Human Visionand Electronic Imaging Ⅲ [C].California:San Jose, 1998-01.[5]Lyons Michael J, BudynekJulien, Aukamatsu Shigeru. Automatic Classification of Single Facial Images[J].IEEE TRANSACTIONS ON PAMI., 1999-12, 21(12).[6]张家树 陈辉等.人脸表情自动识别技术研究进展[J]西南交通大学学报 第40卷 第3期 2005-06.[7]陆慧聪.面部表情识别系统中表情特征提取与识别算法的研究. 东南大学硕士学位论文. 2006[8]Caifeng Shan, Shaoqang Gong, P. W. McOwan.Recognizing Facial Expressions at Low Resolution. IEEE Conference on AdvancedVideo and Signal Based Surveillance, 2005:330~335.[9] M. Pantic, L. Rothkrantz. Facial Action Recognitionfor Fa cial Expression Analysis from Static Face Images. IEEE Transactions onSystems, Man, and Cybernetics, Part B. 2004,34(3):1449~1461.[10] 梁磊.基于机器人视觉的面部表情识别技术研究.哈尔滨工业大学工学硕士学位论文.2009

5. 计划与进度安排

5．本课题的具体进度安排（包括序号、起迄日期、工作内容）1.2022年2月5日-2022年3月1日，有针对性的学习课题相关资料,学习相关学科的基础知识，学习实验所需软硬件的相关知识。

2.2022年3月2日-2022年3月30日，设定实验方案，采集实验数据。

查阅资料，撰写并提交开题报告。