人脸表情运动单元(Action Unit)识别是当前表情识别研究领域的重要内容。其中共分为两大环节分别为人脸检测及表情识别,本文中针对人脸检测环节中的检测速度效率较低、无法应对多姿态人脸的变化的缺点,提出了针对NPD特征的级联AdaBoost人脸检测算法,实验结果显示,NPD特征快速地检测人脸,并对姿态具有一定的鲁棒性。针对表情识别环节中全局特征提取信息维度高、计算效率低、准确度低的限制,提出了一种分区块的脸部运动特征提取算法。算法中将表征情绪最重要的眼睛、眉毛、面颊、嘴部的运动单元分为两种类型,第一种类型为基于瞳孔位置的AU,第二种类型为基于嘴中心位置的AU,分别对其定义兴趣边界,实验结果表明,应用方法,提高了识别准确率,并且降低了正样本误识别率。第三,针对Gabor滤波效率低算法复杂度高的局限,提出使用CUDA平台GPU加速运算,与CPU运算相比,能够将处理速度提升两个数量级。