人脸表情识别是情感计算研究领域的重要分支,对于人机交互的实现有着重要的意义。本文对人脸表情识别中的特征提取和分类识别两方面进行了分析和研究,对传统的几何特征提取方法和传统的纹理特征提取方法进行了改进,并根据不同特征的自身分布特性,提出了有效的特征融合分类方法。本文的主要工作如下：(1)针对传统几何特征提取方法对于人脸个体差异的不鲁棒,提出一种基于中性脸相似度的面部几何特征提取方法。在表情识别过程中,首先利用多尺度矢量三角形方法度量测试样本与训练中性样本的相似度；然后设定闽值选取相似度较大的中性脸样本；再利用主动外观模型(Acitve Appearance Model, AAM)进行面部关键点定位,分别求取测试样本与每个相似中性样本间的特征点比例系数；最后根据相似度计算出测试样本的自适应加权几何特征,并利用支持向量机(Support Vector Machine, SVM)进行表情特征分类。实验结果表明,基于中性脸相似度的面部几何特征提取方法取得了优于传统几何特征提取方法识别效果,有效减少了个体差异给表情识别带来的不利影响。(2)针对传统纹理特征提取方法在表情识别上的局限性,提出一种基于充分矢量三角形的面部纹理特征提取方法。首先将人的眉毛、眼睛和嘴巴3个对表情识别贡献较大的器官分割出来,使得特征描述更具有针对性；然后构造充分矢量三角形以统计图像的轮廓特征与细节特征；最后,对于不同的表情器官采用不同尺度的充分矢量三角形描述,对于同种表情器官采用多种尺度的充分矢量三角形联合描述。实验结果表明,基于充分矢量三角形的面部纹理特征提取方法良好的表达了图像的局部纹理特征且具有较低的时间复杂度。(3)根据不同特征的自身分布特性,提出了一种基于纹理和几何特征的人脸表情层级分类方法。首先分别提取图像的全局几何特征和局部纹理特征；然后利用不同的特征训练出不同的SVM分类器；最后根据特征自身的分布特性,分别从局部层、全局层进行表情类别判定,局部层和全局层中无法判定的表情将累积到混合层中,根据后验概率最终确定表情所属类别。实验结果表明,人脸表情层级分类方法有效利用了表情特征自身分布特性,对于表情类别的判定具有更高的可靠性。