表情识别正逐渐成为人工情感、人工心理、模式识别等领域的研究热点。通过运用表情识别技术使计算机具有拟人的表情识别功能,能像人一样通过表情进行交流,能通过表情读懂人的内心世界,这对构建自然和谐的人机交互环境具有重要意义。表情识别技术是情感计算的内容之一,是心理学、生理学、图像处理、机器视觉、模式识别等领域的一个极富挑战性的交叉课题。本文首先在认真阅读国内外大量文献和书籍的基础上,对人脸表情识别课题背景、研究价值、应用领域及国内外研究现状进行了阐述。并对人脸表情识别系统所涉及到的各个步骤现今所采用的主流的方法做了比较全面的综述。这为表情识别技术的研究和探讨打下了坚实的理论基础。其次研究了对原始表情图像的预处理,这部分包含了几何预处理、灰度预处理,例如进行裁剪、光照归一化、尺度归一化等等,大大减少了噪声的影响,以便于接下来的的表情特征的提取和分类识别。然后着重研究了对预处理之后的图像进行表情特征提取,本文在分析了国内外众多关于人脸面部表情识别的特征提取理论、成果的基础上,提出了基于Gabor小波变换和PCA降维的表情特征提取算法,利用该算法,表情特征得到有效的降维,更加有利于表情的分类识别。之后,本文构造了基于多决策神经网络的分类器,并将其应用到人脸表情识别的环节,根据分类器分类情况好坏对神经网络参数进行设置和调整,充分发挥其学习速度快和泛化能力强的优点。以此,得到比传统方法更丰富的分类结果。最后,为验证本文算法的有效性,本文在Matlab平台上实现了人脸表情识别系统。