人脸表情是人类沟通表达的重要组成方式,含有丰富的人体行为信息,是情绪情感最主要的载体,也是人脑智能的重要体现,其研究意义可以进一步深入到人类的情绪反应及心理状态,在人机交互、机器智能、行为预测与控制等领域具有重要意义。本文重点研究了基于图像序列的人脸表情识别技术,本文从两个崭新的角度探索人脸表情识别的新方法:基于序列时间特性的表情识别研究;多元尺度分析进行运动轨迹降维。基于序列时间特性的表情识别研究,以图像序列的时序特征作为突破口,通过共同动作特征的抽取将人脸表情的识别归纳为动作轨迹分析,分别对文中的五个目标类别的表情动作进行时间序列的动作抽取,建立对象-动作的运动模型,这样就可以把表情识别的图像内容检索转化为运动轨迹比对。这是后文进行运动轨迹降维的理论基础。多元尺度分析进行运动轨迹降维是本文另一个创新点。非度量降维与图嵌入结合的方法可以在一个低维子空间提取人脸表情图像序列的子流型,本文中子流型其实就是表情序列中五官的运动轨迹,此方法旨在针对图像序列的时序特点进行运动轨迹估计与相似性分析。数据集中人脸图像的表情以图像序列形式存在,用非度量的等距降维方法计算出2维空间上的点估计,并以序列的时间顺序得到低维空间的运动轨迹曲线,鉴于相似表情的人脸图像形成相似的曲线形状,通过曲线几何形状的比对方法,即可在子空间内按图像序列的语义特征获得分类与识别结果。本文的方法是该领域的一种新尝试,用多元尺度分析的方法求取高维图像数据在二维空间的有效映射,将表情识别分类问题转化为对动作轨迹曲线的形状比较。实验结果表明,针对某些类别表情的识别效果取得了不错的成绩,尤其是对“惊讶”表情的识别率可达76%。