【摘要】人脸面部表情识别作为当今热门的研究课题，最近几年渗透到各个行业，发挥了很重要的作用。可是现有的人脸面部表情图像研究技术要求人脸必须是面对面，从而限制了人脸表情识别技术的发展范围，但是采用支持向量机的方法，可以有效应对这个难题。

本次毕业设计主要分为三个部分，一是阐述人脸表情识别系统，详细介绍目前已有的人脸表情特征提取、降维、分解以及分类方法的研究现状以及这项技术面临的问题。二是阐述支持向量机的原理，介绍其分类原理和强大非线性能力。三是人脸表情识别实验，介绍本次实验数据的来源，图像的预处理，实验环境配置和实验步骤，最后对实验结果分析和总结。

本文是基于SVM算法的研究，通过与最近邻算法的对比实验，得出两种算法的识别率，验证了SVM算法在表情识别上的有效性，从而达到本文的最终研究目的。

【关键词】:表情识别；支持向量机；模式识别

目录

摘要

Abstract

第1章 绪论-1

1.1研究的背景和意义-1

1.2国内外研究现状-1

1.3 人脸表情识别系统-2

1.3.1提取表情特征-3

1.3.2人脸表情特征降维和分解-4

1.3.3人脸表情分类方法-5

1.4人脸表情识别存在的缺陷-7

1.5本文的研究内容及其他章节安排-7

第2章 支持向量机的方法阐述-9

2.1支持向量机-9

2.2支持向量机的分类原理-9

第3章 人脸面部表情识别实验-14

3.1数据库-14

3.2图像预处理-14

3.2.1数据归一化-14

3.2.2数据批量化-14

3.3实验环境配置-15

3.4实验流程-15

3.5实验结果和分析-16

3.5.1每类表情训练本个数为10-16

3.5.2每类表情训练本个数为20-18

3.5.3每类表情训练本个数为25-19

3.5.4不同表情识别率差异分析-20

第四章 结束语-22

4.1本文总结-22

4.2 下一步展望-22

参考文献-23

致谢-25