近年来,随着指纹识别、人脸识别等技术的飞速发展,人们与计算机之间的交流越来越频繁。在这一过程中,人们对计算机理解人类的情感状态,识别面部表情提出了要求。人脸表情识别技术已成为目前的研究热点之一,在远程教育、游戏娱乐、医疗护理、疲劳驾驶等方面具有广阔的应用前景和重要的研究价值。目前为止,人脸表情识别的研究对象主要是静态图像与视频序列。由于表情自身是一个变化的过程,静态图像难以反映表情的动态特征,导致识别率很难提高。而视频序列可以提供表情变化中丰富的运动信息,因此,本文以视频序列为研究对象,具有更大的研究价值和实际意义。本文主要进行了以下几个方面的研究。1)对视频序列中的人脸进行检测与定位。本文采用的方法是将肤色分割算法与AdaBoost算法相结合,首先,利用肤色分割算法分割出肤色区域作为候选区域,可以排除背景等非肤色区域的干扰,同时,训练基于Haar-like特征的AdaBoost分类器,构造级联分类器。然后,将候选区域作为级联分类器的输入,最后,从级联分类器中得到输出结果。2)对视频序列中的人脸进行特征提取。从人脸的动态纹理特征与动态几何特征两方面进行考虑,采用LBP-TOP算法提取动态纹理特征,采用运动编码算法提取动态几何特征,通过将二者串联组合成混合特征,可以将一段视频序列使用一个维数为200的特征向量进行表示。3)对包含多个表情的长视频序列进行分段。与公共数据库中一段视频序列包含一个表情不同,在实际应用中,通常需要对长视频中的多个表情进行识别,因此,准确对视频序列分段非常重要。本文通过定义中性表情为参考帧,计算输入视频序列与参考帧的相似度,根据相似度的变化规律,利用判别公式得到表情的起始帧,最后根据起始帧对视频序列分段。4)根据视频序列所提取的特征向量进行表情分类。由于支持向量机算法在小样本、非线性数据上的分类优势,本文采用支持向量机与结构化支持向量机作为二分分类器,然后采用一对多的组合方式将多个二分分类器组合成多分类器。最后在人脸表情数据库CK+上进行实验,分别提取视频序列的动态纹理特征,动态几何特征以及混合特征进行识别,证明了该算法的有效性。