隨著人臉識別技術(shù)的發(fā)展，如今在識別中應用到對人臉的表情進行識別，可以應用在人機交互、安全、機器人制造、醫(yī)療、通信和汽車領(lǐng)域等。那么，暢視智能來告訴你人臉識別技術(shù)的人臉表情識別要如何進行？

圖像獲?。和ㄟ^人臉識別攝像頭等圖像捕捉工具獲取靜態(tài)人臉圖像或動態(tài)圖像序列。

圖像預處理：圖像的大小和灰度的歸一化，頭部姿態(tài)的矯正，圖像分割等。這樣做的目的是為了改善圖像質(zhì)量，消除噪聲，統(tǒng)一圖像灰度值及尺寸，為后序特征提取和分類識別打好基礎(chǔ)

特征提?。簩Ⅻc陣轉(zhuǎn)化成更高級別圖像表述，如形狀、運動、顏色、紋理、空間結(jié)構(gòu)等， 在盡可能保證穩(wěn)定性和識別率的前提下，對眾多的圖像數(shù)據(jù)進行降維處理。可以通過提取幾何特征、統(tǒng)計特征、頻率域特征和運動特征等方法進行特征提取。

1）采用幾何特征進行特征提取，主要是對人臉表情的顯著特征，例如眼睛、眉毛、嘴巴等的位置變化進行定位、測量，并確定其大小、距離、形狀及相互比例等特征，從而進行表情識別。這個方法可與減少輸入數(shù)據(jù)量，但會丟失一些重要的識別和分類信息，使精確性不高 。

2）基于整體統(tǒng)計特征的方法強調(diào)盡可能保留原始人臉表情圖像中的信息，并允許分類器發(fā)現(xiàn)表情圖像中相關(guān)特征，通過對整個人臉表情圖像進行變換獲取特征進行識別。可以通過PCA和ICA。這種提取方法會受到外來因素的干擾，例如光照、角度等，導致識別率下降

3）基于頻率域特征提取，這是將圖像從空間域轉(zhuǎn)換到頻率域提取其特征，主要通過小波變換，能夠通過定義不同的核頻率、帶寬和方向?qū)D像進行多分辨率分析，可以有效提取不同方向的細節(jié)程度的圖像特征，不易直接用在匹配和識別，要ANN 或SVM 分類器結(jié)合使用，提高表情識別的準確率。

4）基于運動特征的提取，這是提取動態(tài)圖像序列的運動特征，是今后研究的重點，主要利用到光流法。光流是指亮度模式引起的表觀運動，是景物中可見點的三維速度矢量在成像平面上的投影，表示景物表面上的點在圖像中位置的瞬時變化，光流場還攜帶有關(guān)運動和結(jié)構(gòu)的豐富信息。其模型是處理運動圖像的有效方法，將運動圖像函數(shù)作為基本函數(shù)，根據(jù)圖像強度守恒原理建立光流約束方程，通過求解約束方程，計算運動參數(shù)。這個方法反映了表情變化的實質(zhì)，受光照不均性影響較小，但有比較大的計算量。

對于人臉表情的進行識別，在娛樂、人機等領(lǐng)域中帶來更多的人臉識別開發(fā)應用。