红外人脸表情识别具有非同寻常的意义，红外热成像有独立于光照，不受肤色和化妆的影响等特点，能够弥补可见光人脸表情识别对光照的依赖性。即使在夜间或者光线不足的情况下，也能进行正常的人脸表情识别。针对红外人脸表情识别，本文做了以下方面的工作：（1）红外人脸特征定位。在区域生长的基础上，运用Harris角点检测算法对人脸的器官特征点进行检测。定位眼睛、鼻子、嘴的关键点，为进一步人脸表情识别提供重要的位置信息。（2）红外人脸特征提取。在特征定位的基础上，针对红外人脸图像成像不清晰的情况提出了改进的均值二值模式（ULBP）算法来提取红外人脸的纹理特征。将红外人脸区域进行分块，设定不同的权值，在特征定位的基础上提高关键部位的特征贡献权值，突出对表情识别比较重要的部位的纹理特征，有效提取红外人脸特征的同时，减少了特征的数量，得到能反应红外人脸纹理信息的有效特征。（3）利用PCA对提取的特征进行特征选择。对ULBP算法提取的特征进行PCA降维，除去含有较少信息的特征，很好地降低特征的维数，在不降低识别率的基础上最大程度降低特征的维数，减少计算量，提高表情识别的速度。（4）红外人脸表情分类。在运用改进的ULBP算法进行红外人脸特征提取的基础上，设计用RBF核作为SVM核函数的分类器进行红外人脸表情分类，有效防止了其他分类器可能造成的局部最小化问题和线性不可分的情况，确保了很好的识别正确率。（5）对其他特征提取方法和不同核函数对应的SVM分类器对于红外人脸表情的识别效果进行了验证和比较，证实了论文所做的改进是有效的，能够使红外人脸表情的识别率提高。