表情识别是人工智能十分重要的研究方向。在面部表情中,微笑是人类最具有感染力的情绪。对笑脸识别的研究能够有效促进表情识别的发展。特征提取是笑脸识别的关键技术之一。现有特征提取算法的研究对象是实验室特定场景下光照、姿态等受限的公共表情数据库,当场景转换到现实生活中,此类算法的识别率不高。因此现实生活中准确的笑脸识别仍然是目前研究的难点之一。此外,公共表情数据库是为研究人类7种基本表情而建立,而笑这种表情有其独有的特点,传统的表情特征提取算法不能提取出笑脸的本质特征。本文针对上述两个问题展开研究,主要创新与工作如下:1.针对公共表情数据库场景受限的问题,本文构建了专用的笑脸数据库。该数据库主要沿用了真实场景下的笑脸数据库GENKI-4K,在此基础上加入了公共数据库中部分代表性图片。本文数据库图片更能代表现实生活中的笑脸。2.针对现有特征提取算法缺乏对于笑脸的研究这一问题,本文研究了嘴唇在表达快乐情绪中起到的关键作用,提出了基于唇部区域的笑脸特征提取方法。该方法不仅计算量小,而且有效避免了提取全局人脸中许多与笑脸无关的繁杂特征,对于表征笑脸更有针对性。3.针对人工设计特征不可扩展的问题,本文研究了基于深度网络的自动提取特征方法,设计了含有多个隐藏层的深度自编码器网络提取笑脸特征。该方法避免了人工抽取特征的时间消耗,通过逐层变换特征,更能刻画数据丰富的内在信息。4.针对深度网络在自动提取特征过程中忽略图像局部结构信息和主动学习不利因素等问题,本文提出了将唇部LBP特征、Gabor特征作为深度自编码器网络可视层输入的特征提取算法。该算法有助于网络对图像特征分布的理解,减少了深层网络可能学习到对分类不利特征的可能,强化了深度网络的学习能力,在本文数据库上取得了更高的识别率。