全文总字数：2813字

1. 研究目的与意义及国内外研究现状

在日常生活中我们可以通过多种方式来获取信息，例如文字、图片、音乐、视频等。而在人际交流中情感表现则成为信息获取中不可或缺的一部分，人脸的表情是其中最重要的体现。心理学家mehrabian的研究表明，在人与人的沟通中语言所传达的有用信息仅占到 7%,声调的有用信息占到了38%，而55%的有用信息则是通过面部表情来传达的。

表情识别是人脸识别中一个具有挑战性的研究课题，其涉及到人类行为心理学、生物社会学、计算机视觉、人工智能等多个领域。表情识别技术的发展能有效地促进图像处理、模式识别、人机交互等相关领域的发展，具有很高的科研价值。

在心理医学领域，人脸表情的分析可以作为医生判断病情的辅助手段。通常的心理诊疗主要依赖于语言，而通过人工面部表情分析，可以更深层次地了解患者的精神状态，提供多角度的参考依据，从而提高诊断的准确率。微笑是最常见的面部表情之一，它传达着快乐、幸福和满足的情感状态。例如在对具有潜在孤独性障碍的婴幼儿的社会性逗笑反馈实验中，微笑检测成为一项鉴别儿童是否患有自闭症的重要指标。

2. 研究的基本内容

1）人脸检测与提取

将数据集原图像调整成以面部五官为图像主要内容并剪裁为统一大小，存储为一个可直接用于微笑检测的新数据集。其中的标签（0代表不微笑，1代表微笑）保留。

2）构建深度学习模型

3. 实施方案、进度安排及预期效果

【实施方案】

以python作为编程语言，结合tensorflow数值计算库，运用深度学习方法构建卷积神经网络，在人像微笑数据集中进行微笑分类的训练与测试，借助tensorboard可视化分析训练过程，得到最优准确率的方法。

【进度安排】

4. 参考文献

[4]李佳宇.《python零基础入门学习》[m]. 北京：清华大学出版社，2016:17-96.