近年来，随着人们对人机交互兴趣的增加，表情识别逐渐成为一个研究热点。人脸表情识别是指利用计算机分析特定人的脸部表情及变化，进而确定其内心情绪或思想活动，实现人机之间更自然更智能化的交互。人脸表情识别的研究对于增强计算机的智能化和人性化，开发新型人机环境，以及推动心理学等学科的发展，有着重要的现实意义，并最终产生很大的经济效益和社会效益。本文首先综述课题的研究背景，并分析目前国内外已提出的主流人脸表情识别方法。在综合分析了以往的表情识别方法的基础上，本文提出了基于灰度信息和Harris角点检测的眼睛特征提取算法，基于选择性特征提取结合分类树的表情识别算法和基于混合特征与多离散HMMs融合的表情识别算法，具体内容如下：(1)基于灰度信息和Harris角点检测的眼睛特征提取算法，该算法首先利用眼睛区域的灰度信息，提取出瞳孔的位置和大小，然后利用Harris角点检测算法找到眼角点，最后利用曲线拟合算法拟合出眼睛的轮廓。眼睛特征的提取可作为人脸特征子区域的分割依据，同时为主动表观模型中提取特征提供初始搜索位置。(2)基于选择性特征提取结合分类树的表情识别算法，由于表情图像中各个表情区域对识别每类表情的贡献不同，本文提出基于选择性的特征提取方法，该方法根据上一级的粗分类结果选择对于区分某一个子类表情贡献较大的特征，以此来减少冗余信息的影响，同时也降低了计算量，提高了识别速度。根据模式识别理论中的聚类思想，在识别阶段采用基于分类树的方法，把整个分类过程分为多级，在每级识别中采用模板匹配和改进的K-近邻算法，减少了每级中的聚类数目，提高了正确分类的成功率。(3)基于混合特征与多离散HMMs融合的人脸表情识别方法，该方法对于眼睛眉毛区域采用Gabor小波变换提取纹理变化特征，对于嘴巴区域采用改进的AAM提取形状变化特征，同时在表情样本训练时采用贡献分析法分析确定不同表情区域特征对六种表情各自的贡献权值；在分类识别阶段，首先分别采用离散HMMs对每个区域进行识别，最后采用训练阶段得到的权值进行加权融合得到识别结果。(4)采用面向对象的设计方法，设计实现了基于图像序列的人脸表情识别原型系统，并从实验角度验证了上述方法的有效性。