1. 研究目的与意义（文献综述）
20世纪70年代以来，人工智能技术不断发展以及对人类视觉研究的不断深入，研究人员对可以识别事物特征的机器投入越来越多的热情，并形成了计算机视觉研究领域。人工智能研究的目标就是让机器具有像人类一样的思考能力以及识别事物、处理事物的能力，并从解剖学、心理学、行为感知学等各个角度来探索人类的思维机制以及感知事物、处理事务的机制，并努力将这些机制用于实践。
表情识别是在这种背景下兴起的，是人工智能和计算机视觉的一个重要方向。人与人之间的交流主要是借助语言、肢体以及情绪与表情。表情是人类情感表达的途径，也是最有效的交流途径之一。利用计算机智能地检测、识别并分析面部表情的特征信息，并运用这些信息进一步处理，可以使人们的生活更加便捷化、安全化和自动化。
表情识别不同于人脸识别，其重点反映了识别对象的情感特征，具有独特的应用。目前盛行的人脸识别，即生活中的“刷脸”，主要用于身份鉴别，近几年来发展迅速，技术相对成熟，广泛应用于金融、公安、交通等生活众多领域，给人们带来极大的便捷。表情识别无需关注对象的身份特征，而是关注于对象的情绪特征，利用人类天生的丰富表情分析出对象的情感变化，获取更丰富的信息，提高人机交互水平。
2. 研究的基本内容与方案
表情识别系统可以对摄像头实时采集的视频或已有的图像进行分析，标定人脸区域，实现高兴、悲伤、惊讶和平静共4种表情分类，在现有基础上，通过改善特征提取算法和分类算法从而获得较好的识别率。
该设计分为2个部分：表情特征提取和表情类型识别。表情特征提取主要完成对表情图像归一化处理，滤去噪声从而提取主要信息。表情类型识别主要完成对待测图像进行表情分类，并输出识别结果。该设计运用机器学习的相关知识，结合主成分分析和支持向量机的技术手段，对图像数据库进行学习，并对待测图像进行分类。主要有以下步骤。
学习阶段：第一步，对训练集图像预处理。对表情数据库中的图像进行灰度化、尺寸归一化、直方图均衡化以及提取人脸等，提取表情特征。第二步，对训练集数据降维。对大量的表情图像进行主成分分析，滤去光照、拍照姿态等噪声，提取主要特征。第三步，构建支持向量机分类器。对降维后数据以及对应的标签建立支持向量机模型。
3. 研究计划与安排
第1周-第3周：搜集资料，翻译外文文献，撰写开题报告；
第4周：论文开题，搭建matlab运行环境，学习和编写图像处理和机器学习的基本函数；
第5周：搭建pca svm框架，建立图像数据库；
4. 参考文献（12篇以上）
[1]沈理,刘翼光,熊志勇著.人脸识别原理及算法 动态人脸识别系统研究[m].北京：人民邮电出版社,2014.
[2]吴娱主编.数字图像处理[m].北京：北京邮电大学出版社,2017.
[3]李高阳.基于角度几何特征的人脸表情识别[d].华中师范大学,2018.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
