最近的科学发展表明,情绪在决策、感知、学习以及其它一些类似的行为中发挥着重要作用;换句话说,情绪影响着真正的理性思考的机制.如果研究人员想让计算机拥有真正的智能,自然地与人交互,就必须赋予计算机识别、理解的能力,甚至可以拥有和表达情感.正是基于上述原因,情感计算(Affective Computing)成为研究者十分感兴趣的研究热点.表情识别是情感计算的重要组成部分,通过表情识别的研究可以有效地促进人机交互系统的发展和计算机图像自动理解的研究.该文主要从视觉角度分析了人脸面部表情的变化,并给出了面部表情包括静态和连续表情的识别方法.在静态表情识别方面,该文提出了基于平均学习子空间法(Averaged Learing Subspace Method)的面部表情识别方法.学习子空间模式识别法是一种神经网络学习方法,它利用样本对子空间进行修正,能最大限度地利用样本集优化子空间.该文给出了通过表情图像库计算表情子空间的一般算法、表情子空间的学习算法以及表情子空间的渐进式学习方法.在上述算法的基础上,该文最后实现了一个面向表情识别系统.此外讨论了表情识别以及情感计算研究的主要方向.