人脸面部表情包含着复杂的内在情感,是人与人交流的重要途径,近年来一直是计算机视觉、人机交互与模式识别等研究领域的热点话题。随着计算机运算性能的提升,算法不断改进,人机交互已经部分实现从依赖于鼠标、键盘和显示触摸屏等这些传统的外设向基于多媒体方式的图像、音频和视频的转变。表情识别中具有很大识别难度和研究意义的微表情,可以更加真实反馈人的心理意图和生理需求。伴随着我国人口结构即将进入老龄化阶段,无论对社会还是家庭以及个人都是一个不小的挑战,对失能失智老年人的护理和监护将是一个繁重而耗时的劳动。目前,我国已经是世界老龄化人数最多的国家,达到1.5亿以上。然而,我国与老龄化相关的产业还十分落后,很难满足社会老龄化对相关服务的需求。构建一套自动化程度高且具有智能推理和远程监控操作的医疗专家推理系统十分必要且迫切。因此,在智能康复护理床平台上,打造一款能够解决社会老龄化问题,为老年人提供更加人性化、智能化的系统十分有意义。系统通过摄像头实时监测并识别用户的微表情,将微表情作为其心理活动和生理需求的重要依据。通过存储有大量专家经验和知识的专家推理系统,对用户微表情进行专家级的推理,作出符合用户真实需求的决策。第一,高速视频流中截取图像并保存,经过对图像预处理,采用Ada Boost-Haar算法对视频中人脸进行识别和标定,并把捕捉的人脸图像作为微表情识别的源图像,采用PCA主成分分析的方法,构建微表情特征空间,对源图像进行微表情识别,同时获得微表情主要表现部位的参数,即眼睛和嘴巴的开度值。采用深度学习技术同样做微表情识别,与PCA主成分分析算法做对比。第二,建立以微表情为输入量的专家推理系统,获取专门领域专家提供的知识和经验,模拟该领域专家的决策过程,采用神经网络专家推理系统机制,由专家系统推理机、数据库和解释器等共同组建成一个专家推理系统。第三,搭建硬件系统和编写软件系统,硬件系统主要包含海康威视高速视频监控摄像头、局域网、计算机、下位机控制系统和机器人床;软件系统主要包含人脸捕捉模块、微表情识别模块和专家推理系统模块,以及各模块之间接口的对接关系。系统搭建完成之后,通过实验完成对系统设计的调试、验证和优化。