现阶段随着对智能化机器研究的炙手可热，人们越来越希望机器可以辅助和愉悦我们的生活。作为机器实现智能化过程中必不可少的一步，面部表情识别有着重要的研究意义和实用价值。摄像装置输入现实环境下的实时人脸图像，通过面部表情识别算法识别出其对应的表情信息，机器通过算法返回的人脸表情信息做出进一步反馈，实现与人类的智能化交互。　　传统的面部表情识别算法都是基于实验条件下的人脸样本，当其应用于现实环境中的人脸样本时，性能将有所限制。现实环境中的人脸样本存在着如下特性：自发性的头部姿态、显著的人脸个性化差异、光照的不均一性和复杂的背景。因此，在设计相关算法的过程中，应当考虑上述因素，提出一种对上述因素鲁棒的自发表情识别算法框架。在我们的研究工作中，我们通过提取判别性特征，这些特征能够很好的克服上述因素的影响，实现对实际环境中面部自发表情的自动有效识别。所提取的特征包含两种：PIR(Pose-and identity bias-robust)几何特征和M-ULBP(Multi-scale uniform local binary pattern)外观特征。其中,在几何特征提取阶段，我们计算输入图像对应的表情基的权重向量，将其叠加到参考3D点上得到含有表情信息的3D点，进而通过参考投影参数将其投影到二维平面，得到消除头部姿态和人脸个性化差异后的归一化特征点。计算归一化特征点之间的距离和角度，实现几何特征的提取。在外观特征提取阶段，我们将输入图像进行缩放，得到其对应的图像金字塔，提取所选取的特征点周围的子区域，对这些子区域应用ULBP外观描述子。输入图像对应的外观特征由不同尺度图像的特征组合得到。最后，通过实验验证，我们提取的特征的性能超过同类特征。