在情感表达中,人脸表情的变化是最为直观也是最为基础的一环。因而,也成为情感计算的重要一环。本文所论述的人脸表情识别研究就是基于这样原因,以人脸的不同表情为研究主体,以计算机对人脸表情的正确识别为目的而进行的。人脸表情识别一般分为人脸检测、特征提取、特征选择和表情分类等环节。本文主要研究了特征提取、特征选择和表情分类过程中的一些关键问题,提出了一些改进算法,并进行了仿真实验。主要的工作如下:1.本文使用的是一种基于Haar小波基函数的的矩形特征与级联的Boosted机器学习相结合的对象探测算法进行人脸检测。2.对识别的图像序列进行预处理,并是利用人脸分块与人脸部件特征的先验知识,结合人脸轮廓投影的方法进行表情区域定位。3.对于动态的人脸表情识别,提出了基于一组14帧表情图像的,区别于光流法的,而是利用帧间灰度的动态差别的,能够在不降低识别率的条件下,提供良好的实时性的表情特征的提取算法。4.使用支持向量机(SVM)为分类器,将所提取出来的特征向量进行训练分类与识别5.建立了基于以上过程的人脸表情识别系统,进行了仿真实验。以Cohn-Kanade AU-Coded Facial Expression Database为实验数据库。取得了比较满意的实验结果。证明了本文所提出的算法的有效性。