本文针对抑郁症患者表情识别的特征提取模块进行研究。通过分析抑郁心理状态下的人脸表情，总结出抑郁表情相关的AUs，然后提取AUs的特征数据，训练得到AU的分类器，根据AU的不同组合得到抑郁表情识别结果。该方法将抑郁表情识别问题转化为AU组合的识别问题，有利于抑郁表情特征提取的技术实现，同时也具备良好的扩展性。　　本文首先介绍了抑郁表情识别技术的应用背景和研究现状。接着，介绍了面部表情识别技术的基本框架以及各组成模块相关技术方法，并根据抑郁表情的中心特点确定本文需要识别的6个抑郁表情相关AU。然后，针对特征提取模块，介绍了常用的几类特征提取的算法并分析了各自的优缺点。从算法时间复杂度和识别效果的角度考虑，选用HOG和SIFT作为重点研究对象。分析基于分块和基于AAM两种方式下的HOG特征提取的优劣，并对后一种方式中HOG的两个重要参数进行实验，通过对实验数据进行统计分析得出两个参数的最佳组合方式。同时，在相同实验条件下比较HOG与SIFT识别性能的异同。最后，我们定义AU到抑郁表情事件集的映射关系，结合HOG特征提取，设计了抑郁表情识别方案。该方案在真实抑郁症患者表情数据库上获得了良好的测试结果，表明HOG特征具备区分自然抑郁表情的能力。