近年来,由于人们对人机交互兴趣的增加,表情识别逐渐成为一个研究热点。表情识别在人类交流过程中扮演着非常重要的角色,是语音交流的重要补充。表情识别正是在这样的一种背景下提出的,目的就是要解决人脸表情识别在实际应用中表情特征提取困难、识别率和识别速度低等问题,使之能够类似于人与人之间的交互。而在人脸表情识别的分类效果上,目前的表情分类方法还存在着许多的不足,尚有许多难点问题没有解决,至今也没有一套完整的实际应用的系统面世。人脸表情识别的研究内容主要由以下三个部分组成:人脸检测、表情特征提取以及表情分类识别。本课题主要研究了特征提取、特征选择和表情分类过程中的一些关键问题,在分析了目前国际上面部表情识别算法的基础上,着重研究了表情识别的特征提取及分类算法,并进行了相关的测试。本课题主要研究内容有以下几个方面:(1)对现有的几何特征做了一个总结。根据目前己有的、涉及人脸表情几何特征的文献,总结出了一个特征表,它几乎可以包括全部文献中提出的几何特征。(2)研究了表情图像的预处理方法。预处理方法主要包括几何预处理和灰度预处理。(3)在分析多种表情特征提取算法的基础上,确定了采用Gabor小波变换进行特征提取,并且用Gabor小波变换系数向量代替图像的灰度特征,以减弱图像对光照和位置的敏感性。(4)研究了表情分类算法,并用遗传算法来进行优化。(5)根据论文中研究的特征提取和表情分类算法,开发了一个人脸表情识别系统。该系统能识别出高兴、悲伤、生气、厌恶、惊讶、恐惧及中性表情。实验表明,本文所采用的方法能有效地识别出这七种人脸表情,并能得到的一个较好的结果。