远程教学是一种全新的网络教学方式,该方式实现了多人、多地、随时、多形式的综合教学。但是由于其教学过程中时间与空间的隔离,导致双方无法进行实时的情感交流,针对这种情况,本文对基于情感模型的表情识别方法的三个环节进行了研究,分别是情感模型的建立、检测人脸、识别表情,通过上述过程获取较为准确、详细的情感信息。本文建立了基于模糊理论的三维情感改进模型,模型中选择Ekman六类情感为基本情感,并且不同情感可由三维状态空间中三个情感坐标的不同组合得到,同时利用模糊规则来划分情感强弱程度。与传统情感模型相比,不仅实现了情感与面部表现的对应,并可以定量的表现各类情感的位置关系,各类情感不同程度的划分使获取的情感信息更加详细,同时确定了利用该模型进行表情识别进而获取较为详细情感信息的基本流程。远程教学中获取的图像一般为包含单个人脸的图像,且图像中人脸倾斜角度不定,当倾斜角度较大时,直接利用Adaboost算法获取人脸区域时会出现漏检的情况。针对这一问题,先通过肤色特征排除部分非人脸区域,同时引入人眼定位确定图像中人脸倾斜角度,并将图像旋转,在此基础上采用Adaboost算法检测人脸。实验结果表明,当图像中人脸倾斜角度不大于45度时,改进方法比传统方法有更高的人脸检测准确率。在识别表情环节中,采用支持向量机分类能有效处理非线性、维度高、训练数据少等现实情况,但是分类过程中其参数的选取对分类结果有较大的影响,会使平均准确率降低。针对上述情况,在表情识别的应用中采用了细菌觅食算法选择支持向量机参数的方法。该方法利用细菌觅食算法,通过模拟大肠杆菌觅食行为的趋向性操作、复制操作以及迁移操作对应用于表情识别的支持向量机的参数寻优并得到其最优值。实验结果表明,与未改进的支持向量机、其它优化算法改进的支持向量机比较,本文采用的方法可以在较短时间内获取最优的分类算法参数,而且表情的平均识别率最高。