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

为方便人脸表情识别相关研究者参考，这里将前面博主的原创本文：《人脸表情识别系统介绍——上篇》(链接：https://wuxian.blog.csdn.net/article/details/91347164)中的技术实现写成了技术论文的形式分享。提供完整的可编辑Word版文件（文件中公式及所贴代码均可编辑、图片高清、格式规范），通过Word转的PDF也在压缩包中。论文截图请见本人博客https://wuxian.blog.csdn.net/article/details/121048790

为提高人脸表情分类的识别率和实时性,提出一种基于卷积神经网络(CNN)局部特征融合的人脸表情识别方法。首先,构建CNN模型,学习眼睛、眉毛、嘴巴3个局部区域的局部特征;然后,将局部特征送入到支持向量机(SVM)多分类器中获取各类特征的后验概率;最后,通过粒子群寻优算法优化各特征的最优融合权值,实现正确率最优的决策级融合,完成表情分类。实验表明,本文方法在CK+和JAFFE数据库的平均识别率分别达到了94.56%和97.08%,与其他识别方法相比,本文方法性能优越,能提高算法的识别率和稳健性,同时保证了算法的实时性。