人脸面部表情包含着丰富而又细腻的情感和心理信息,对面部表情的识别主要存在两个问题,即如何有效地获取人脸面部表情特征和如何对表情进行有效分类。通过提取人脸特征对人脸表情进行分类识别的方法已经成为模式识别、机器视觉、机器人制造、图像处理、安全、医疗、通信与人机交互等领域研究的重要课题。本论文主要研究内容和创新性工作主要包含两个方面:(1)研究了传统的人脸表情识别方法,分析了各种方法的优势和缺点,并提出了一种基于模糊支持向量机(FSVM)和K-近邻算法(KNN)相结合的面部表情识别新方法。该方法首先通过主成分分析法(PCA)提取表情特征,然后该方法对于待分类区域,计算输入样本到所有类别的欧式距离,通过区分度函数判别分类器输出的候选类与输入样本的区分度,根据区分程度进行FSVM和KNN分类算法的自适应切换。实验表明,该方法在保障了分类的精确度的同时又简化了计算复杂度。(2)为了提高人脸表情的正确识别率,提出了一种基于局部二元模式(LBP)和压缩感知的人脸表情识别方法。首先对表情数据库中人脸图像或图像序列检查与定位,然后采用LBP提取表情特征参数,最后采用稀疏表示分类器识别表情。经过在日本女性人脸表情(JAFFE)数据库上的试验结果显示,该算法能够获得较好的识别效果。