人的面部表情含有丰富的人体行为信息,在人与人的交往中,面部表情是除了声音以外的非常重要的通信方式,作为信息的载体,表情能够传达很多语音所不能传达的信息。面部表情自动识别(AFEA)对人脸的表情信息进行特征提取分析,按照人的认识和思维方式加以归类和理解,利用人类所具有的情感信息方面的先验知识,使计算机进行联想、思考及推理,进而从人脸信息中去分析理解人的情绪。一般而言,表情识别系统主要有三个基本组成部分:表情图像的预处理、面部表情特征提取和面部表情识别。本文回顾了人脸表情识别的研究历史和发展现状,讨论了现有的多种表情识别方法,并且从模式识别和统计学习的角度对人脸表情识别进行了研究。在小波提取特征的基础上提出了一种差值模板匹配算法,在保证了准确率的前提下有效地减少了运算量。同时对主动形状模型(ASM)进行研究,并应用于自动识别系统中。提出了一种基于支持向量机的人脸表情识别方法,构建了SVM多类分类器,并对不同的构建方法进行了比较,取得了较好的识别效果。此外还提出了基于核的典型相关分析方法进行人脸表情识别,使用核化理论将原本仅适用于线性特性分析的典型相关分析方法扩展至非线性分析领域,并对不同的识别策略进行比较,实验证明KCCA方法在人脸表情识别中的有效性。