随着信息化时代的到来,计算机已经悄然改变了人们的生活方式,成为人们日常学习、工作和生活的一部分。正是在频繁使用计算机的过程中,人们越来越期待更加友好的人机交互体验。人脸面部表情,作为人类生物特征的一部分,体现了人们内心复杂微妙的情感变化,传递着大量的情感信息。如果计算机可以根据用户的面部表情了解其内心情感,实现对人脸表情的识别,人们就可以体验更加高效、更加人性化的人机交流,同时,表情识别技术也可以用于社会生活的多种应用场景,比如智能人机交互、医疗、智能安全监控以及情感状态分析等多个领域。因此,人脸表情识别的研究对提高人们生活品质以及提供人们方便快捷的生活方式都有极其重要的作用和意义。本文针对静态图像的人脸表情识别算法进行研究,研究对象是包含单张人脸的静态表情图像,主要的研究工作包括表情特征提取方法、有效的特征选择方法以及表情分类算法的设计和实现。本文针对传统的Gabor特征存在数据冗余的缺点,提出了一种基于集成Gabor特征的稀疏人脸表情识别算法。首先,采用均值融合和差分二值编码这两种集成方法,对原始Gabor特征图进行多尺度和多角度的集成,获得26张集成Gabor特征图;然后利用所提出的基于表情识别贡献系数的特征选择方法,从26张集成Gabor特征图中选出4张作为表情图像对应的最终特征向量;最后利用训练样本的最终特征向量构建稀疏表示分类器的过完备字典,利用L1优化函数对表情图像对应的最终特征向量求解稀疏表示,再计算测试样本与每类表情的重构样本的所有重构误差,且选择最小重构误差所对应的表情作为最后的表情识别结果。实验数据显示,基于集成Gabor特征的稀疏人脸表情识别算法,能够对表情特征进行有效分离和表达,同时降低特征维数并紧凑表征数据,对表情进行正确归类。