人脸表情识别在人们的日常生活中发挥重要作用。尽管近年来关于表情识别的研究取得了明显进展，但现有方法一般技术性比较强、过程比较复杂。为此，本文提出了基于形状分析的一种快速人脸表情计算技术，从人脸表情器官的轮廓形状及数值计算这一方向出发，统计出相关数据并建立数学模型，由此实现表情识别。人脸表情识别系统一般主要包括人脸检测、表情特征提取和表情分类三个步骤。本文的主要研究工作如下:1)基于经典主动形状模型（Active Shape Model，ASM）算法实现人脸特征点定位。针对人脸左眉毛、左眼睛、鼻子和嘴巴部分提取定位出118个特征点，形成各部分的轮廓形状数据信息。2)基于曲率及坐标关系等几何特征提出了用于表情分类的数据约束条件。针对人脸各部位所提取的表情特征点进行数值计算，最终获得每个表情11个数值信息，并通过和中性表情数据信息比较建立了6种基本表情的数值约束条件。3)提出两种数学模型：模型一，针对6种基本表情建立统一的数学模型，该模型可以对惊讶、高兴、厌恶、害怕、悲伤这5种人脸表情取得良好的识别效果；模型二，分别对6种基本表情建立数学模型，该模型可以实现对6种表情的单独识别。传统的基于图像分析的人脸表情识别算法需要处理整幅图像的所有像素数据，其算法复杂度往往会制约整个视觉系统的效率。本文所提出的新算法只需要处理人脸118个特征点的数据信息，具有非常明显的计算成本优势，可以满足系统实时处理的需求。在日本ART女性人脸表情数据库（JAFFE）上进行的仿真实验验证了本文算法的有效性。