人脸表情是人类情感最主要的载体,包含了丰富的心理和情感信息,是最重要的非语言交流方式之一。近年来,随着人们对人机交互兴趣的增加,人脸表情识别正逐渐成为一个研究热点,有着广泛的应用前景和潜在的市场价值。人脸表情识别系统一般包括人脸检测、人脸表情特征提取、人脸表情分类这三个核心环节。本文主要对人脸表情特征提取、人脸表情分类这两个环节进行研究。本文的工作主要包括以下几个方面:1.在特征提取环节,将目前国际上研究较热的主动外观模型(ActiveAppearance Models,简称AAM)引入人脸表情识别领域中。采用主动外观模型(AAM)定位图像序列中各幅人脸图像的68个特征点,然后计算图像序列中表情帧和中性帧的表情关键点的坐标差提取出表情特征。2.提出了一种三层架构的表情识别模型来对表情特征进行分类。该模型分为三层:表情特征层,面部活动单元(AU)层,表情层。首先从人脸表情特征,识别出46种基本AU是否存在,在这一层的识别中我们对每个AU都构建了一个SVM分类器来进行分类识别;然后根据AU的组合,识别出对应的表情,在这一层次我们用贝叶斯网络来建立AU和表情之间的联系并进行分类识别。3.介绍了一些人脸检测和预处理的知识。并在CMU的CK+人脸表情数据库中的表情图像,用本文提出的表情识别方法进行了验证,得到了较好的识别结果。