人脸表情是人类进行情感交流的一种重要方式，从表情的变化中可以感知出人的情绪、感受、秉性和气质。自动化的人脸表情识别（FER）技术可以协助进行人脸识别、智能人机交互以及行为科学和医学研究等。根据所研究数据的不同， FER 算法可以分为针对多幅图像和针对单幅图像两大类。由于单幅图像包含较少的表情信息， 从单幅图像识别表情比从多幅图像中进行更具挑战性。然而， 在有些情况下， 单幅图像中已包含了足够的表情信息， 而且计算相对简单。因此，本文主要探讨基于单幅图像的人脸表情识别。 　　人脸表情识别主要分为三

提出基于灰度共生矩阵（GLCM）和混沌遗传优化算法（CGA）的人脸表情识别方法（FER）。为了消除遗传算法中个体在解空间内分布的不均匀性，利用混沌的随机性、遍历性和规律性，将混沌引入到遗传算法中，由此得到了混沌遗传优化算法（CGA）；通过灰度共生矩阵提取出的特征和改进后的混沌遗传优化算法，将人脸表情识别的寻找感兴趣区域（ROI）和特征提取结合成一步；最后利用支持向量机（SVM）进行图像分类。理论和实验证明，该方法实现简单且切实可行。

人脸表情是人类进行情感交流的一种重要方式，从表情的变化中可以感知出人的情绪、感受、秉性和气质。自动化的人脸表情识别（FER）技术可以协助进行人脸识别、智能人机交互以及行为科学和医学研究等。根据所研究数据的不同， FER 算法可以分为针对多幅图像和针对单幅图像两大类。由于单幅图像包含较少的表情信息， 从单幅图像识别表情比从多幅图像中进行更具挑战性。然而， 在有些情况下， 单幅图像中已包含了足够的表情信息， 而且计算相对简单。因此，本文主要探讨基于单幅图像的人脸表情识别。 　　人脸表情识别主要分为三