人脸表情识别是一个图像模式分析、模式理解和模式分类的问题,它为模式识别、图像处理、人机交互、人工智能、计算机视觉、神经计算和心理学等众多学科提供了很多的具体问题。本文以粒计算属性约简为基础,提出一种基于粒计算的人脸表情识别的方法,该方法应用HOG进行特征提取,然后利用粒计算相关方法进行降维,最后利用SVM对表情进行分类。首先,利用Zernike矩对人眼进行检查,根据双眼的中心坐标对图像进行预处理,比如图像的旋转、缩放等,然后进一步对表情图像进行灰度归一化。在得到96*112像素的纯表情区域以后对其进行HOG特征提取,将表情图像分成168个8*8像素的block,每个block分成4个4*4像素的cell,每个cell为9个通道直方图,得到6048维的特征向量。然后对于HOG特征维数过大,检测速度过慢的问题提出改进。改进的方法是利用粒计算中的粗糙集相关理论对表情图像分类重要的block进行筛选,并进行重要度排序,达到快速降维的效果,在提高速度的同时也提高检测精度。然后利用SVM方法对其进行训练,对7种表情(高兴、伤心、生气、厌恶、惊讶、恐惧和中性表情)进行分类。最后本文设计并实现了一个人脸表情识别系统,实验结果表明此方法是有效的。