面部表情是一种刻画情绪、认知、主体状态以及他们在社会交往中的作用和角色的方法[4]。在面对面的交流中，面部表情和其他的手势能够传达非语言的交流信息，这些信息能够作为语音的辅助帮助听者推断出说话人的意图。由于面部表情携带信息的原因，因此它对于自然和谐的人机接口目标的实现，具有相当重要的意义。 有关面部表情识别的研究工作可以追溯到1978年Suwa[1]等人的工作，而真正兴起则开始于Mase和Pentland在90年代所作的开创性工作[2]。最近几年来，面部表情识别已经成为心理学、计算机视觉、模式识别等领域一个十分热门的研究课题，具有良好的应用前景。但是，表情识别是多学科交叉的研究课题，因此，仍然有很多相关问题需要解决。本文主要从模式识别和机器学习的角度对面部表情识别进行了研究，取得了一定的研究成果。 本文中利用支持向量机对面部表情识别进行了研究，具体做法是首先从每一幅人脸图像中提取34个基准点，并将这些基准点的坐标为刻画表情变化的数据，然后采用支持向量机作为分类器来对表情进行分类。针对JAFFE的实验证实这种方法获得了较好的识别率。 提出了基于核判别面方法的面部表情识别。核判别面方法通过对Sammon的最佳判别面采用核化原理，能将其由线性应用领域扩充到了非线性领域。在对面部表情识别时，本文仍使用34个基准点的坐标作为输入数据，然后先将面部表情这种多类别分类问题转化为多重二元分类问题，再在每一重分类问题中采用核判别面方法进行处理。实验证明相对于已有的方法，该方法具有较好的识别效果。 提出了基于核典型相关分析的面部表情识别。核典型相关分析是研究非线性问题中两组向量之间相互关系的一种方法。在表情识别实验中，一方面本文采用了图像在34个基准点出的Gabor小波系数来表示该图像的表情特征；另一方面用一个包含了每一幅图像的语义分级的语义表情矢量作为语义表情表示。通过核典型相关分析研究矢量图和语义表情矢量之间的相互关系。根据这种相互关系，估计出一幅给定的测试图像相应的语义表情矢量，然后根据这个矢量来进行表情分类。针对JAFFE(日本女性面部表情库)和Ekman表情库的实验证明了核典型相关分析在面部表情识别中是确实有效的。