全文总字数：4940字
文献综述
文 献 综 述随着计算机计算能力的大幅提升，人工智能与深度学习技术应用于生活的方方面面。
银行中出现了自动帮忙办理业务的机器人；手机电脑中都拥有智能的语音助手，不动手就可以完成打电话发消息的功能。
人们的生活质量不断提升，在人机交互的使用体验上会有更高的标准，理解人类的情感并做出适当反应，这是人们在人机交互领域的新期望[1]。
由于人的表情变化所带来的特征之间差异性很细微，面部表情识别一直以来都是一个十分具有挑战性的研究方向。
面部表情识别（Facial Expression Recognition）以下简称FER，按照识别方法划分，面部表情识别可分为基于静态图像的FER和基于动态序列的FER。
静态图像FER，就是我们通常意义上的图片表情识别了，动态序列FER是基于视频序列建模，考虑了输入面部表情序列中相邻帧之间的时间关系。
就如今发展现状而言，主要还是基于静态图像的FER，在接下来的研究中也拟定以基于静态图像的FER为主。
传统的静态图像面部表情识别方法使用的是手工特征或是浅层学习特征。
1978年Ekman等人[2]提出面部动作编码系统(Face Action Coding System, FACS)。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
