1. 研究目的与意义（文献综述）

面部表情是面部肌肉的一个或多个动作或状态的结果。这些运动表达了个体对观察者的情绪状态。面部表情是非语言交际的一种形式。它是表达人类之间的社会信息的主要手段，不过也发生在大多数其他哺乳动物和其他一些动物物种中。

面部表情的研究始于 19 世纪，

1872年，达尔文在他著名的论著《人类和动物的表情（the expression of the emotions in animals and man，1872）》中就阐述了人的面部表情和动物的面部表情之间的联系和区别。

2. 研究的基本内容与方案

1.对传统的人脸表情检测方法进行研究，主要了解以传统方式对人脸特征的提取、比较方法，例如区域模板法中样本与标准化样本的匹配比重等。

2.对人脸表情特征库进行大致的的了解，对于数据处理方法（pca、lda以及lbp方法等）进行深入研究，并通过python或c 实现具体的实例分析。

3.在朴素贝叶斯分类算法、svm算法、adaboost算法、隐马尔科夫算法和深度卷积神经网络方法等选取两种算法进行具体的实验研究，并比较其效率以及正确性。

3. 研究计划与安排

3月10号-3月31号：阅读有关文献并总结，理解指导老师所指出的必读文献中具体代码的作用以及涉及到的算法思想等。

4月1号-4月15号：进行需求分析，算法和初步系统设计等，确定实验的具体算法，并开始进行代码的编写。

4月16号-5月15号：完成整个系统，并对实验结果进行分析处理，编写论文框架等。

4. 参考文献（12篇以上）

刘晓旻, 谭华春, 章毓晋. 人脸表情识别研究的新进展[j]. 中国图象图形学报, 2018, 11(10):1359-1368.

卷积神经网络研究综述[j]. 计算机学报, 2017, 40(6):1229-1251.

吴世豪. 基于深度学习的人脸表情识别研究[d]. 2018.