表情是人与人交流中一种重要的传递信号的方式，自动识别人的表情在实际生产和生活中有着十分重要的作用，因此自动表情识别是计算机视觉领域的一个重要课题。本文使用纹理特征和几何特征对人脸表情进行识别和分类。在纹理特征中我们采用的是Gabor系数，但由于使用Gabor变换所得到的特征维数较高，因此我们提出使用多类别的Adaboost算法对原始的Gabor特征进行选择，并将选择出来的特征使用支持向量机进行分类。在几何特征中，我们使用的是主动外形模型的特征点的位移，在将提取的特征点的位移特征进行分类之前我们使用了流行学习的方法进行降维，并使用修正的支持向量机替代支持向量机对降维后的特征进行分类。最后我们使用模糊积分的方法将两种分类算法的结果结合起来，形成了一个新的分类器。实验结果表明我们提出的算法在现有的算法的基础上提高了表情识别的精度。