人脸表情作为一种非自然语言以及最重要的外貌特征,在人与人面对面沟通中起到了至关重要的作用,此外人脸表情中所蕴含的丰富信息在情感和教育等相关领域也有着关键的作用。在高校教师与学生之间的情感交流,感知学生的情绪和学习状态,引入人脸表情分类技术对学生的面部表情进行信息捕获就显得尤为重要。现有人脸表情分类算法在面部表情的特征提取、特征降维以及表情图像分类等方面有实际意义价值。在图像分类技术的基础上,首先,结合特征提取及特征降维技术,提出一种基于局部二值模式和主成分分析的协作表示人脸表情分类算法LBP-PCA-CRC。该算法采用局部二值模式提取图像特征时进行分块处理,对提取过后的表情特征通过引入主成分分析算法进行降维处理,有效地避免了维度灾难,使算法能够有效地处理高维特征,更好地彰显人脸表情特征,并采用协作表示分类解决了人脸表情特征计算复杂度较高的问题,整体算法的实时性得到提升。其次,在上述人脸表情分类算法的基础上,考虑到实际生活场景中人脸面部表情在不同面部区域的差异性以及面部表情特征的多样性对表情分类产生的影响,进一步研究了一种基于分块加权局部二值模式和主成分线性判别分析的竞争协作表示人脸表情分类算法BWLBP-PCLDA-CCRC。该算法在特征提取阶段引入信息熵策略进行分块加权处理,增强人脸表情图像纹理特征,在降维处理中融合主成分分析算法与线性判别分析算法以区分不同特征类别之间的差异,进而获得更有效的人脸表情特征。在图像分类阶段引入样本竞争的思想,采用竞争协作表示分类增强训练样本与测试样本之间的联系以提升图像分类性能。最后,在基于分块加权局部二值模式和主成分线性判别分析的竞争协作表示人脸表情分类算法基础上,本文采用Python及其开源框架设计、开发并完成了人脸表情分类系统,实现数据的处理、提取、查询和分类等功能,同时可视化展示分类结果。