面部表情识别（Facial Expression Recognition，FER）旨在利用计算机技术提取面部表情特征，并运用模式识别和机器学习方法进行表情的分类，进而分析和识别人的情绪。面部表情识别是模式识别领域中一个重要的研究课题，研究内容涉及模式识别、计算机视觉、图像处理、心理学等多个学科。典型的面部表情识别过程主要分为三个步骤：人脸检测、特征提取和表情分类。其中，特征提取和表情分类是表情识别的关键步骤，直接影响着识别结果。本文将针对表情的特征提取和表情分类问题进行深入研究。　　 首先，本文对情感的定义和分类进行了讨论，并简要介绍面部表情识别的一些基本概念，包括面部表情识别的发展和现状、面部表情识别的步骤与特征提取的常用方法、面部表情识别的应用前景以及目前存在的问题，并基于其中的问题提出了一些相应的解决方案。然后介绍了一种常用的稀疏方法-LASSO（Least Absolute Shrinkage and Selection Operator），包括LASSO的概念和定义以及相关的算法。　　 其次，本文介绍了Gabor小波变换和区域协方差矩阵的面部表情特征提取和表示方法，表情语义特征的相关概念以及分析方法。在此基础上，提出了基于稀疏典型相关分析和基于稀疏偏最小二乘回归的面部表情识别方法，使用稀疏典型相关分析和稀疏偏最小二乘回归两种方法分别建立Gabor变换特征和区域协方差矩阵与语义特征之间的关系，最后使用语义特征进行表情分类。　　 本文使用Ekman表情数据库中14个人的96张图片和Jaffe表情数据库中10个人的183张图片进行实验，共包含高兴、悲伤、惊讶、愤怒、厌恶和恐惧6种表情。通过实验的验证，说明了使用语义特征和稀疏方法的有效性。