随着人机交互与情感计算技术的快速发展，人脸表情识别已成为人们研究的热点。表情识别的研究对提高人工情感智能水平和认知能力具有重要的科研意义。人脸表情能够表达出丰富复杂的人类的情感信息，利用计算机从人脸表情中分析出人类所表现出来的情感状态是情感智能的主要研究方向。　　针对人脸表情的特点，有效地提取表情特征、设计合理的表情分类算法和识别策略以提高表情识别率是人脸表情识别的主要研究内容，也是人脸表情识别的重点和难点。对此，本文研究主要内容是基于多特征融合的人脸表情识别研究，并在此基础上建立人脸表情识别系统。人脸表情识别系统主要包括人脸的识别与定位、表情特征的提取以及表情分类。　　本文首先简要介绍了人脸表情的相关背景和研究现状，然后详细介绍了人脸表情识别的基本理论，包括情感定义、分类、人脸表情库、人脸定位、特征提取以及情感分类方法。本文着重对人脸定位算法、表情特征的提取算法、分类算法进行研究和分析。对于人脸定位算法，主要对主动表观模型(AAM)算法进行研究。这种算法不仅能够定位人脸区域，而且能够对于人脸的特征点进行定位。通过定位算法的分析研究，为提取表情特征奠定基础。针对不同表情特征的特点，提取全局和局部两种表情特征：全局特征主要是在几何特征的理论基础上提取的角度差特征，局部特征主要是在光流场理论的基础上提取的散度均值特征。对于分类算法的研究，本文着重研究BP神经网络和支持向量机(SVM)两种分类器的表情分类性能，并通过实验结果分析选择性能较优的支持向量机(SVM)作为表情识别系统的分类器。为了实现不同的表情特征的识别机理的互补性，将这两种特征进行特征融合。对于特征融合算法，本文采用典型相关分析算法进行融合，并通过表情识别实验分析特征融合前后的分类效果。　　最后，根据上述提出的人脸表情识别算法，在MATLAB开发平台的基础上，本文开发了人脸表情自动识别系统。该系统可以通过网络摄像头实现图像的采集、人脸区域的定位以及特征点的自动追踪、表情的识别，使得表情识别算法更适合于工程应用。