随着经济的不断发展,人们的购买行为日益增多,如何进行有效的市场预测成为消费品公司的关注重点。传统的调查问卷或访谈方法在进行市场预测时往往存在收集到的数据不真实的情况,基于表情识别与分类的方法在进行市场预测时可以有效地避免这种情况的发生,从而可以得到准确的市场预测结果。本文以表情图像为研究对象,通过对表情识别的主要方法进行了研究,主要包括：预处理、特征提取、识别分类,并对分类结果进行统计分析,从而达到市场预测的目的。本文的主要研究方法有：(1)表情图像的预处理。通过使用AdaBoost算法对表情图像进行人脸检测和人眼定位,然后通过对表情图像进行几何处理和灰度均衡,完成了人脸与背景的分离,去除了无关信息的干扰,并保证了表情图像的训练样本和测试样本在特征提取和识别分类时条件相同,可以改善表情识别和市场预测的准确率。(2)表情图像的特征提取。通过设计合理的Gabor滤波器,对表情图像与Gabor小波核做卷积运算,并计算得出表情图像的幅值,将其作为特征值,从而提高分类器的计算效率。(3)表情图像的识别与分类。通过设计四个SvM分类器,可以实现六种表情的识别与分类,通过对第一个分类器进行合理地设计,避免了二对二SVM分类方法存在的误差累积现象,从而在第二、三、四个分类器存在误差的情况下,依然可以很好的进行市场预测。(4)基于表情分类结果的市场预测。通过对六种基本表情的分类结果进行再分类,并对各表情赋予不同的权值,计算出消费者对该款产品的满意度,并对该结果的有效性进行了分析,从而达到市场预测的目的。(5)设计并实现了一套市场预测系统。主要功能有：灰度化、人脸检测、人眼定位、几何处理、灰度均衡、特征提取、识别分类、市场预测。