数据采集方式：采集自互联网； 表情标签：开心、悲伤、惊讶、害怕、厌恶、生气、中立；二维连续模型； 数据集大小：总计1800000张图片，其中450000是提供离散以及连续的标签，是目前自然条件下最大的表情识别图片数据集，也是提供二维连续模型标签中最大的数据集。

人脸检测和识别的yale人脸库，用于实验研究

心理学上的研究表明，面部表情变化主要集中在眼睛、眉毛、鼻子、嘴巴等面部器官上。受其启发，提出一种基于面部结构的表情识别方法，重点分析眼睛、眉毛、鼻子、嘴巴等关键区域的联动变化来分析表情。首先，使用鲁棒的判别响应图拟合（discriminative response map fitting，DRMF）方法自动检测出对识别人脸表情最为关键的局部人脸区域，即眼睛、眉毛、鼻子和嘴巴的部分；然后从这些关键部分中提取Haar特征；最后采用Boosting学习和联动机制，学习得到基于联合Haar特征的表情分类器。在CMU表情数据库和JAFFE表情数据库上的实验结果表明了上述方法的良好性能，即基于面部构件识别表情的方法获得了与手工精准标注人脸面部构件识别表情方法相近的识别效果。

【图像识别】基于ksvd字典学习之人脸表情识别matlab源码.md

人脸表情识别是计算机视觉领域的研究热点之一。针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题，提出了一种基于MVFE-LightNet（Multi-View Facial Expression Lightweight Network）的多视角人脸表情识别方法。首先，在残差网络的基础上设计卷积网络提取不同视角下的表情特征，引入深度可分离卷积来减少网络参数。其次，嵌入压缩和奖惩网络模块学习特征权重，利用特征重新标定方式提高网络表示能力，并通过加入空间金字塔池化增强网络的鲁棒性。最后，为了进一步优化识别结果，采用AdamW（Adam with Weight decay）优化方法使网络模型加速收敛。在RaFD、BU-3DFE和Fer2013表情库上的实验表明，该方法具有较高的识别率，且减少网络计算时间。

tf_emotion_detector 一个基于TensorFlow的人脸表情识别系统

是基于MATLAB的人脸表情识别，印度一个大牛写的，能够检测出五种基本表情。自己加了注释，亲测能跑。

这是一篇关于gabor特征提取（并结合adboost降维），SVM分类的人脸表情识别的论文，文中较为详细的描述了如何进行特征提取和识别分类，可作为参考。

针对完全局部二值模式（CLBP）存在直方图维数过高和特征冗余，会导致识别速度降低和识别率低的问题，提出基于有判别力的完全局部二值模式（Discriminative completed LBP，disCLBP）的人脸表情识别算法。首先，对人脸表情图像进行预处理获得表情子区域；然后提取表情子区域和整幅图像的disCLBP特征，针对不同的表情筛选出不同的表情特征，再将筛选出的表情子区域特征直方图融合；最后用最近邻分类器进行分类识别。该算法在CK人脸表情库上进行实验的平均识别率为97.3%。

【图像识别】基于模板匹配之人脸表情识别matlab源码含GUI.md