在威尓迪的其他網站我們介紹了很多其他的生物識別技術，如我們現(xiàn)在的指紋門禁一體機的指紋識別技術。下面我們來介紹一下人臉的表情識別技術。
 

　　人臉表情識別主要包括三個技術環(huán)節(jié)：首先是人臉圖像的獲取與預處理，其次是表情特征的表征和提取，最后是人臉表情的分類識別。每一個環(huán)節(jié)都影響到后續(xù)工作的進行，所以每一個環(huán)節(jié)都是非常重要的。
 

　　人臉檢測與定位是要在輸入的圖像中搜索人臉，并確定人臉的位置和尺寸等信息。在所觀察的場景中對人臉的存在進行檢測之后，下一步就是提取人臉的表情信息。人臉表情特征提取是人臉表情識別中的重要步驟，有效的表情特征提取工作將使其后的分類性能大大提高。提取表情特征時，表情分類義一組類別，并設計相應的分類機制對表情進行識別，將其歸人相應類別。例如，按照情感特點將人臉表情分類為6種或7種基本表情，也可按照臉部動作將面部表情的變化用44個運動單元及他們的組合來描述。實際中根據表情分類器選擇和設計是否利用時間信息分為空域法和時空結合的方法。
 

　　所謂空間分析的方法是引入信號系統(tǒng)之中的概念，主要是將人臉圖像看成是空間中的信號，利用信號分析的方法來對人臉圖像進行處理的一類方法。基于空間分析的方法有較多的類別。例如，基于專家規(guī)則的方法先從人的觀察角度出發(fā)來制定一些規(guī)則，然后借助特征提取得到的參數(shù)，判斷它符合哪一類規(guī)則，將其歸入相應的類別。這類方法可以精確地描述人臉表情，有利于識別混合表情。另外由于對表情進行了編碼，所以也便于進行人臉表情的合成。各種基于機器學習的方法，如貝葉斯分類器、決策樹、KNN等也可用于空間分析'向量輸入多類輸出的AdaBoost算法已用于表情分類。有些方法還可結合起來，如支持向量機在解決小樣本、非線性和高維問題上有很多優(yōu)勢；AdaBoost方法將多個弱分類器結合起來訓練形成強分類器，不同分類器針對不同的特征，通過訓練可以達到特征選擇的目的，將它們結合起來的AdaSVM方法用于表情分類也取得了較好的效果。
 

　　時空分析法通過分析圖像序列中人臉的變化，以人臉的變形信息為表情特征來進行表情識別，目前普遍采用的主要是隱馬HMM模型和光流模型法。隱馬爾可夫模型能夠有效地對動態(tài)信息進行建模，用HMM方法進行分類需要確定其初始和終結狀態(tài)，因此一般用于單獨的表情序列或分割好的表情序列。