人脸表情识别涉及到模式识别、心理学、图像处理和计算机图像学等许多研究领域,是人工智能技术中的一个重要领域。表情识别技术为人们利用计算机分析某群体人脸面部表情变化及其内心的情绪提供了方便,在人机交互智能化方面有重要意义。目前,国内有关人脸表情识别技术还处于起步阶段,需要进一步的研究。本文以JAFFE人脸表情为主要研究对象,对于多特征融合的识别算法进行研究。在分析人脸表情图片表现特征的基础上,提出了新的特征提取算法,包括基于复杂度的Gabor小波变换纹理特征提取算法、基于脉冲神经网络边缘检测的几何特征提取算法,同时还介绍了基于Gabor域的统计特征提取方法,即表情图像子区域进行Gabor变换之后提取变换域的均值和方差等统计特征。这些算法首先对源图像进行预处理、分割获得表情子区域；然后将提取的多个特征进行特征级融合,这里采用PCA特征降维和K-W特征选择方法对特征进行融合,通过实验分析,本文选择PCA降维方法。最后,构建SVM多类分类器模型,不同特征的组合方式分别进行训练识别；通过实验结果筛选出3组特征,并将其识别结果进行决策级融合,获得最终的识别结果。实验结果表明,本文提出的特征提取算法可以有效的表征人脸的表情特征,并将该特征提取算法与特征级融合和决策级融合的技术,以及SVM多类分类器相结合,有效地提高表情识别率。