微表情是人类面部表情中持续时间短(通常被认为在0.5秒以内)、肌肉运动强度低、不受本人控制的自发产生,它被认为是揭露人类隐藏情绪的重要线索。尽管检测与识别一般表情的方法已经被许多学者进行研究,但关于自动检测与识别微表情的研究相对来说仍然不多,尤其是检测微表情方面进展较少。本文提出一个鲁棒且有效的方法——基于主方向最大差分析(MDMD)去得到更准确的有关表情的面部运动特征用来自动检测与识别视频中的微表情。人脸校正、分割和分块的预处理操作采用了非反射相似变换和基于局部信息的形状模型。本文提出的基于主方向最大差分析方法同时得到面部运动的时间信息以及考虑了面部运动单元(AU)而分出的脸部分块结构的空间信息。MDMD特征由于特征维度很小所以降低了计算复杂度,当分块结构是6×6的时候,用于识别微表情的MDMD特征向量长度仅仅为72,用于检测微表情时仅有12。微表情数据库编码工作量很大,要从上千段视频中提取出为数不多的有效微表情片段。本文实现微表情辅助编码系统,对视频中可能是微表情发生帧的帧数进行检测,减少了人力与时间的浪费。用MDMD特征在包含宏表情和微表情的CAS(ME)2数据库以及仅含有微表情的CASME数据库进行实验,结果表明本文算法比起LBP特征更为鲁棒和准确。最后,训练支持向量机分类器,使用MDMD特征用来识别微表情,本文算法在两个自发的微表情数据库CASME 2和CASME进行实验,实验结果显示MDMD可以得到比LBP-TOP特征更好的识别效果。