面瘫,即由面部功能障碍引起的面部表情肌肉瘫痪,是一种临床常见病,不仅影响患者的表情运动等生理功能,而且影响患者的身心健康。对面瘫患者的面部运动功能进行分级对面瘫的治疗非常重要,但是传统的分级方法大多是主观的,需要依据医生的经验来判断,这样既费时又可能得不到准确的结果。随着计算机图像处理和模式识别技术的发展,运用基于人脸特征提取技术进行面部运动功能自动分级成为可能。人脸特征提取是一个具有很高理论和应用价值的研究课题,是模式识别、图像处理等学科的一大研究热点。本文对人脸特征提取的一些方法进行了探讨,并且针对面瘫患者的面部特征进行了深入的研究,提出了一种基于人脸特征提取的面部运动功能分级方法,并实现了一个面部运动功能自动分级系统,包括人脸图像预处理、人脸检测、特征提取和特征分类及比对。本论文首先介绍了面部运动功能自动分级的研究现状及研究意义,接着介绍了人脸图像预处理和归一化的方法,使后续工作能够顺利进行。本文提出了基于特征点检测和基于人脸Gabor特征提取的两种方法,并且比较了这两种方法的优劣。在特征点检测中,提出先对图像进行边缘检测,提高了准确性。在特征提取中,利用Gabor小波提取人脸特征,然后使用不同分类器进行分级。本论文通过大量实验对算法进行验证,证明该算法是可行的。