随着计算机技术和生物医学工程技术的飞速发展，利用人体生物特征来研究有关人体身份、语音、指纹、表情等的生物识别技术成为安全验证的首选方式。在人工智能研究领域，人脸作为重要的生物特征，其检测、识别和表情分析对于实现机器智能化起到很关键的作用，有着广泛的应用前景。对人脸信息的处理技术随着图像处理和模式识别的巨大进步得到了很好的发展，但是还是受到现实环境中不确定因素的影响，比如说光照、姿态、表情、遮挡等。而有关表情识别的研究更是受到不同人表情程度不同、同一人不同表情的影响，理论和方法都有待于完善。完整的表情识别主要包括人脸检测与定位、人脸表情特征提取和降维以及最终的表情分类。本文主要是针对静态图像的多姿态人眼定位、人脸表情识别的问题做了以下工作：①针对彩色图像中人脸在复杂背景及多姿态下眼睛定位困难的情况，提出了一种基于肤色分割与Gabor滤波的人眼定位方法。首先采用粒子群算法优化改进的最大类间方差(otsu)对图像进行肤色分割，找到人脸的候选区域；然后构造Gabor滤波器对候选区域进行滤波；最后经过灰度投影得到眼睛的位置。实验结果表明，本文采用的肤色分割方法效果好，应用于人眼定位方面使得定位精确度高，尤其在背景复杂和多姿态的情况下也有着明显的优势。②研究了经典的线性人脸识别方法PCA，并将其应用到人脸表情的识别中，该方法假设输入的数据具有全局线性结构，所以当遇到非线性流形上的数据时，处理的结果受到影响；另外研究了非线性特征提取方法核PCA、局部线性嵌入算法(LLE)以及核SLLE算法，并在JAFFE人脸表情库中实现了以上4种方法，结果显示，非线性降维算法在表情识别中有着更好的结果，也进一步验证了人脸空间可能是一个高维的非线性子空间，即位于一个非线性流形上。③提出了一种融合局部特征进行表情识别的算法，针对在人脸表情中贡献较大的人眼和人嘴，将二者融合起来进行表情识别，并赋予二者不同的权重系数，比起整体的特征分析，不仅节约了计算量，也在一定程度上降低了因同一个人特征相似、不同人表情程度差别大所引起的表情判别误差，提高了识别率。