心理学研究表明在人们日常生活的交流过程中，大约55%的信息是通过面部表情来传递的。人脸表情识别作为计算机理解人类情感的基础，近年来逐渐成为模式识别和人工智能领域的研究热点之一，它在人机交互、智能安全监控、医疗、教育等领域都有着广泛的应用前景。尽管伴随着国内外研究人员的参与和计算机行业的快速发展，人脸表情识别技术取得了长足的进步，但是要想让计算机真正能够稳定、准确、鲁棒和实时地进行表情识别却依然存在着很多尚待解决的问题和难点。本文详细描述了主动形状模型的统计模型方法在模型建立和未知图像搜索阶段的一般步骤；着重研究了基于主动形状模型的特征点定位方法；将特征点定位所获得的形状模型参数作为关键特征对悲伤、高兴、惊讶、愤怒、厌恶、恐惧和中性这七种基本表情进行识别，取得了较好的效果；对于传统主动形状模型的不足提出若干改进：1.基于关键点的初始形状估计方法。该方法选择左眼、右眼和嘴巴这三个人脸子区域的中心点作为关键点建立平均形状和初始形状之间的最佳仿射变换，使得初始形状能够尽可能地接近未知图像的理想形状；2.为每个特征点建立法线、切线方向的二维局部纹理模型。该方法覆盖了特征点附近更大范围的局部纹理信息，并且将每个特征点在搜索阶段的可移动范围扩大到其周围邻域的矩形区域；3.采样像素递减的多分辨率框架方法。在多分辨率框架的主动形状模型中，随着金字塔层数的增加，根据一定的规则来递减每个特征点两侧采样像素的个数，减少未知图像搜索时的计算量、避免偏远像素点对于特征点定位的干扰。实验结果表明将基于关键点的初始形状估计方法结合法线、切线方向的二维局部纹理模型，不仅能够缩短特征点定位的迭代次数和搜索时间，而且能够优化特征点定位的精确性，提高表情识别的准确率。