人脸表情是对人类的情感状态自然及时地反映,在人际交流方面起着非常重要的作用。人脸表情识别常被用来对人类的情感状态和意图进行分析,在情绪的模拟、人类心理学、计算机视觉与人机交互等研究领域有着十分重要的应用。因此,对人脸表情识别的研究有深远的研究价值和实用性。本文设计了表情识别系统的总体框架,首先运用Adaboost算法对人脸进行准确地检测和定位,然后对得到的图像进行归一化的处理,接着提取图像的特征,最后对特征向量进行分类。本文重点对表情特征提取和分类识别方法进行了研究,并提出了改进算法。对于表情特征提取的研究,针对目前较常用的算法LDP(Local Directional Pattern,局部方向模式)存在特征提取速度较慢的问题,提出了一种基于分解局部方向模式DLDP(Divided Local Directional Pattern)的特征提取方法。首先将Kirsch算子的8个方向掩模分成两个子方向掩模再分别计算其边缘响应值,获得两个编码(DLDP1和DLDP2),然后级联两个编码的直方图得到DLDP表情特征。为了增强表情图像的局部特征,提出了sobel-DLDP特征提取方法,先利用sobel算子得到表情图像的边缘信息再通过DLDP算法提取图像特征,得到融合的表情特征。实验结果表明,sobelDLDP特征提取方法与其它基于局部纹理的特征提取算法相比,不仅缩短了特征提取的运算时间,而且提高了识别率。对于人脸表情分类识别的研究,针对HMM(hidden markov model,隐马尔科夫模型)分类方法、SVM(Support Vector Machine,支持向量机)分类方法以及SRC(Sparse Representation Classifier,稀疏表示)分类方法对现实生活中人们的混合表情分析不够准确的问题,提出了一种基于SRC与隶属度分析的表情识别方法。首先利用SRC确定与待测表情最相似的几种基本表情,再利用隶属度方法算出各基本表情的所占比例,最后利用最大隶属度原则实现有效的表情识别分析。实验结果表明,基于SRC与隶属度分析的表情识别方法能够减少误识别率,提高了表情分类的准确性。最后,通过服务机器人完成了表情识别的系统实现。首先构建了一个基于表情识别的服务机器人控制系统,然后将表情识别系统的识别结果转化为对应的控制指令,实现对服务机器人的控制。最后通过多组重复实验,验证了本文提出的新的表情识别方法不仅能够有效控制服务机器人,而且具有较强的鲁棒性。