随着人工智能、计算机视觉等热门领域的不断发展,人脸表情识别作为智能人机交互的重要组成部分,成为了国内外众多学者研究的热点。本文主要对静态图像的人脸表情识别算法进行了研究。首先依据眼睛的灰度信息,并利用图像处理的方法快速而准确地定位出人眼位置。根据人眼位置和人脸结构特征,分割出了有效的表情区域,并对其归一化,得到了标准的纯表情图像。其次,针对Gabor小波提取的特征信息不够全面以及维数灾难问题,对其进行了改进。本文分析了Gabor小波和非对称局部梯度编码(AR-LGC)两种方法。结合它们各自的优点,本文用AR-LGC算子对提取的Gabor特征进行编码,从而得到图像的AR-LGGC复合特征。然后对编码后的Gabor特征图谱进行划分,对每个子块进行直方图统计,并将其串联形成人脸表情特征向量。该算法不仅能够获得更多的细节纹理梯度信息,还能进行多尺度、多方向分析。再次,针对多尺度、多方向Gabor特征提取引起的维数灾难问题,在局部二值模式编码算法(LBP)启发下,本文将同一个尺度不同方向的Gabor特征进行融合编码。该算法极大地降低了特征维数,同时还没丢失重要的决策信息。最后,利用支持向量机(SVM)进行表情的分类识别。本文利用网格搜索结合K-fold交叉验证的方法对SVM的核参数?和惩罚因子C进行了寻优,提高了SVM分类器的泛化能力和分类准确率。在Matlab平台下对本文改进的算法进行仿真实验,证明了算法的有效性,并设计了一个人脸表情识别系统。