表情识别的研究目标是让计算机能够自动识别出人的表情信息,从而更进一步地增强人机交互的友好性及智能性。但是由于人脸表情识别涉及图像处理、计算机视觉、应用数学等学科的融合,正是由于这种多学科交叉的复杂性和特殊性,使得表情识别相对比较困难,当前人们仍面临着许多亟待解决的问题。作为一个典型的模式识别系统,人脸表情识别主要包括以下三个方面：人脸检测、人脸表情特征的提取、人脸表情分类。本文以人脸表情为主要研究对象,以人脸表情识别算法为主要研究目的,对人脸表情特征提取以及人脸表情特征分析等问题进行了较深入的研究。针对现有表情识别算法存在的问题,本文提出了基于二维Gabor变换、Adaboost算法以及支持向量机相结合的人脸表情识别算法。首先,本文在深入研究SVM和Adaboost算法的基础上,综合运用了Gabor特征对于人脸表情的良好表征能力、Adaboost算法的强大特征选择能力以及SVM在处理少样本、高维数问题中的优势。其次,针对Gabor特征维数高、冗余大的特点,引入Adaboost算法进行特征选择降低特征向量的维数提取人脸图像的Gabor特征。再次,SVM算法基于统计学习理论,在处理非线性问题、线性不可分问题和小样本问题上具有优良特性。文中采取1：1办法来解决,将会生成k(k-1)/2(k为总类别数)个SVM分类器,从而可以完成人脸表情的多类识别。最后,本文采用JAFFE数据库对上述方法的识别效果进行了验证,通过实验数据可以看到,本文提出的方法对开心、惊讶、生气、厌恶四种表情的平均识别结果达到了92.1%,比前人的结果高5个百分点。