在现代科技飞速发展的今天,人工智能作为一门新兴的前沿学科问世以来,已经取得了许多引人瞩目的成就。而作为人工智能研究分支领域机器学习、模式识别、机器人学交叉涉及的人脸表情识别在由于其在人机交互、远程通讯、法规执行与心理研究等领域的广泛应用已引起科学界的广泛关注并成为十分活跃的研究领域。人脸是人类最重要的生物特征之一,包含着极其丰富的信息。与此同时,在计算机视觉、模式识别和多媒体技术等研究领域中,人脸作为图像与视频中的视觉对象之一,占有非常重要的地位。人脸表情是人们之间交流情感和表达意图的最快捷和有力的手段之一,研究人脸表情的自动分类方法对于人机交互技术具有重要意义,在计算机辅助的训练及远程教育等众多领域具有潜在的应用价值。本文提出了一种基于快速小波变换-投影-BP神经网络(FWT-Project-BPNN)的人脸表情识别方法。该算法首先利用FWT对表情图像进行变换以期在不明显损失图像信息的基础上达到压缩数据量的目的。然后分别对变换后的水平方向与垂直方向的高频数据子图做水平方向与垂直方向投影。将得到的水平与垂直向量组成该表情识别算法的特征向量。最后建立一对一的BP神经网络来进行训练。实验结果表明该算法能够在一定条件下快速且较准确地识别出悲伤、愤怒、高兴、惊讶、恐惧、厌恶、中性七种通用样本表情。本文在最后对人脸表情技术的未来工作进行了展望。增强人脸表情识别的自动化与实时性是本论文未来的工作研究方向。