主要是重點研究了四篇人臉表情識別的paper。分別是一篇中文中文文獻：2006年清華大學朱健翔發表在《光電子·鐳射》上面的文章《結合Gabor特徵與Adaboost的人臉表情識別》。三兩篇外文文獻：2014CVPR上面的文章《Facial Expression Recognitionvia a Boosted Deep Belief Network》和06年CVPR上的文章《3D Facial ExpressionRecognition Based on Primitive Surface Feature Distribution》以及2006年ICPR上面的文章《Facial Expression Recognition Based on Fusion of Multiple GaborFeatures》。另外，在收集一些人臉表情樣本圖片。

第一篇文章主要方法：首先對影象進行預處理，主要包括人臉特徵的定位和區域歸一化以及灰度歸一化。然後採用5個尺度和8個方向的的Gabor濾波器組得到每個影象的1920維特徵向量。第三步是主要部分因為人臉表情主要體現在眼部和嘴部等位置，不同位置的特徵的提取的重要度也不一樣，主要採用Ababoost演算法對特徵進行提取，得到768個特徵，提取的特徵集中分佈在眼部和嘴部，這些部位的特徵能體現表情之間的差別帶有最多的分類資訊。最後通過SVM結合最鄰近分類方法來構建分類器。識別效果比較好，對基本的表情識別準確率在97%以上。

第二篇文章的主要方法：主要是訓練深信度神經網路（BDBN）（這裡沒怎麼看明白，還需要看些深信度神經網路的知識），主要是通過級聯型深信度神經網路對樣本進行訓練，然後跟據強分類器預測誤差通過BDBN構建分類器和迭代學習功能以及特徵選擇演算法提取影象模組特徵，然後具體對幾個重要的人臉表情識別庫，JAFFE，CK+ 等進行試驗，

第三篇文章主要是對三維的人臉的六種表情進行識別研究，主要是根據人臉固有的幾何特徵和幾種特別表情的特殊特徵在3-D歐式空間進行分析。人臉表情特徵分析主要是將人臉用三角形網孔進行描述，然後設計演算法提取面部三角網孔的方向和曲率特徵，得到影象的最大方向特徵和最小方向特徵圖，然後將人臉面部分為7個區域，最後根據7個區域組成的特徵向量對人臉表情進行識別，作者在該文章中實驗給定的區域為7個。

第四篇文章主要採用基於多種Gabor特徵融合的方式對人連表情進行識別，設計5個尺度8個方向的Gabor濾波器，然後設計42個節點的影象模型對人臉表情進行分析，組成一個42長度的向量，根據13個通道的Gabor濾波器與7種基本表情的貢獻率表格進行融合訓練，最後分別用最大融合和求和融合以及神經網路融合的方式對日本JAFFE資料庫進行實驗，識別率為神經網路融合方式效果最好，但是中性表情識別準確率偏低。