情感计算是国际上近几年刚刚兴起的、试图使计算机能够像人类那样具有理解和表达情感能力的一个多学科交叉的新研究领域，在智能人机交互中起着重要作用。由于人的面部表情是情绪重要的外在表现方式，所以人脸表情识别成为情感计算的重要组成部分。人脸表情识别是一个人工智能、计算机视觉、图像处理、心理学、认知学等多学科交叉的研究领域。通过表情识别的研究可以有效地促进人机交互系统的发展和计算机图像自动理解的研究。 本文的研究重点是对于静态图像的表情识别方法。在分析和学习了一些常用的表情识别技术的基础上，本文提出了一种新的表情识别的方法，该方法以表情识别中经典方法--PCA算法为算法基础，是一种基于PCA重建方法的表情识别方法。 该方法的总体思想是将表情识别的训练集按表情分类形成不同表情子集，然后在子集上进行PCA算法，分别得到对应的正交基。对于待测图像，在不同表情子集生成的正交基上分别进行投影，之后利用投影坐标重建，然后通过比较待测图像与哪幅重建图像最相似来确定待测图像的表情识别结果。 对于比较图像相似，本文提出了两种方法--差值和方法和相似点数方法，分别对其效果进行了实验，然后通过使用区分度的概念将两种方法结合起来，成为最终的比较图像相似进行表情分类的方法。 本文对该方法与传统PCA+神经网络分类器的识别方法在日本表情数据库上进行了对比实验，该方法得到了优于传统方法的识别率。