一、面部表情识别研究方法综述
摘要 面部表情识别使计算机能够根据人类的思维理解面部表情，这是人机交互的重要组成部分。近年来随着人工智能和大数据的应用以及物联网的推广，面部表情识别受到了越来越多的关注。当前，面部表情识别的研究方法各不相同，效率也相差不小，因此有必要分析面部表情识别的方法。首先，总结了几种常见的面部表情数据集；然后，从特征提取和特征分类两方面对基于深度学习的表情识别方法进行了分类；最后，总结了面部表情识别中存在的问题和未来的研究方向。
关键词 表情识别；深度学习；特征提取；表情分类；
1 面部表情识别介绍
人类通过多种形式传达自己的情感，其中一种是通过由于情感状态改变一个人的面部表情 [1]。考虑到人类是社会动物，人与人之间每天有无数的互动。在这些交互中，人脸提供了大量的信息[2]。Ekman和Friesen提出将这些表达分为六类，即幸福、悲伤、愤怒、惊讶、厌恶和恐惧[3]。基于面部表情的情感识别就是计算机根据人类的思维方式理解面部表情，当人类产生情感变化时，面部会表现出不同的表情，这些表情具有不同的特点。面部表情识别就是从图像或视频中提取人脸部分，提取面部的表情特征，并基于这些特点进行分类。
图1 大多数FER数据集中发现的六种常见表情。上面一行是一个人表达惊讶、悲伤和幸福的画面。下面一行中这个人表达厌恶、愤怒和恐惧。这些图像来自KDEF数据集。
2 人脸表情数据集
多年来，面部表情识别所需要的数据集已经有很多可以获得，某些数据集是在实验室环境中拍摄得到的，其他都是由互联网上的搜索引擎创建的，然后人为的进行标注。
2.1 CK 数据集
以上是毕业论文文献综述，课题毕业论文、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。
