本周主要继续研读了两篇外文人脸表情识别的文章，都是IEEE上的文章，都比较长，一共40几页，所以就读了两篇。以及利用opencv中Philipp Wagner写的人脸识别的源代码。以及利用flandmark检测人脸上的关键点点。主要还是利用opencv中HaarClassifierCascade分类器完成的。还有就是利用opencv自带的分类器做了人脸识别的小实验。
第一篇文章是2007年IEEE TRANS ON IMAGE PROCESSING的文章。《Facial Expression Recognitionin Image Sequences Using Geometric Deformation Features and Support VectorMachines》。主要介绍了基于几何变形特征和支持向量机的方式对人脸表情识别。首先建立Candide 节点模型系统。分为Candide特征点提取和特征点分类系统，而特征点提取主要利用人脸线框模型和KLT算法完成每一帧图像中Candide节点形变特征变化的跟踪。通过对6中基本人脸表情选择不同的FAUs和节点，然后检测FAUs的变化完成对人脸表情的识别。另外一种识别方式是利用SVM模型和修改后的SVM模型对，6中基本表情的Candide节点和PFEG节点特征对人脸表情识别。实验利用的数据库是Cohn-Kanade数据库。本文完成的工作很多都是在前人完成的Candade模型和网格位置提取模型的基础上的，主要介绍了操作方法和两级支持向量机模型，想进一步了解该方法，还需研究Candade网格模型和6种表情的FAUs的描述和相关规则。
第二篇文章是2000年IEEE trans on machine intelligence上的文章。《Automic Analysis of FacialExpressions》。这篇文章是比较早的介绍人脸表情识别相关的文章了。这是一篇综述性质的文章，主要讲了人脸表情识别的发展以及方法研究。以及现阶段人脸表情识别的主要方法。人脸表情分析和人脸表情数据特征提取以及人脸表情分类方法。并且介绍了自动人脸表情识别系统的开发，即包括人脸检测，人脸表情信息提取和人脸表情分类等基本的功能。以及介绍开发人脸表情自动识别系统的基本特点，主要有基本的13条特征以及其余的7个特征和从1970年研究者的人脸表情识别的特点进行比较，分析和比较了人脸表情数据提取的方法主要分为三大类。然后介绍了几种人脸表情识别的方法，主要是基于模板的方法，GFK和PDM模型。最后介绍了人脸分类的几种方法，神经网络和基于模板的方法。这篇文章内容讲的较多，主要是人脸表情识别的方法和流程介绍居多，具体的算法没有介绍，可以找点类似的相关研究对算法进一步分析。总结人脸表情识别的主要流程为：人脸检测和关键点定位，人脸表情数据提取（基于模板和基于特征），人脸表情分类（基于模板，神经网络和基于规则的方法）。
人脸表情特征提取示意图（画得有点丑）
关于人脸表情识别的文章，我看了最近的paper都没有讲具体的人脸定位和特征点定位与识别的位置。所以也另外看了一些关于人脸识别和人脸中鼻子，嘴等位置的定位等相关文章和研究了相关算法。主要看了flankmark可以检测到左右眼睛的左右角点、鼻子、嘴的左右角点，主要是先对人脸进行定位，核心还是利用CvHaarClassifierCascade函数完成的。文章方面研读过Joint Cascade FaceDetection and Alignment（ECCV14)这篇比较经典的文章，还是利用提取特征和分类器训练的思想完成对人脸识别和关键点定位的。主要也是建立分类器和特征提取最后分类的方法完成的。具体的算法下周认真学习和研读。