随着计算机技术的飞速发展,人机交互方式正逐渐发生改变,强调“以人为本”、“自然和谐”的智能人机交互技术得到了广泛关注。智能人机交互要求计算机不仅要能听、看、说,还要具有理解、模仿和表达人类情感的能力。同时人机交互技术应以人为本,简单易用,使人可以用面部表情、语音、手势、体势、唇动等自然的方式与计算机进行交互。表情识别技术是人机交互技术的重要分支,其实用化将从根本上改观人机交互现状,极大的增加人机交互过程中人的沉浸性体验。表情识别的相关技术涉及模式识别、图像处理、情感计算等多个领域,是一个富有挑战性的课题。本文对表情识别的若干问题进行深入研究,提出了Gabor小波特征与嵌入式隐马尔科夫模型(EHMM)相结合的人脸表情识别方法。具体工作如下:图像预处理方面,完成表情图片灰度归一化、人脸检测、人眼定位、表情脸尺度归一化相关工作;提出模板匹配法与灰度投影法相结合人眼定位算法,弥补两者的不足,提高了人眼定位准确度;同时本部分也给出了一种新的表情脸切分方法来实现表情脸尺度归一化。表情特征提取方面,基于Gabor小波对光照不敏感,能容忍一定程度图像旋转和变形的良好特性,表情信息使用8方向,5尺度的Gabor小波特征来表征。分类器识别方面,本文选用EHMM分类器完成表情识别,EHMM包含一个超级状态集和相应的一维HMM,它的两层结构可以很好的建模二维图像数据。在表情EHMM结构中,超级状态集从垂直方向上建模表情信息,内部HMM状态集从水平方向上建模表情信息。基于在JAFFE表情库上的实验和分析,可以看出基于Gabor小波与EHMM的表情识别取得了较高的识别准确率,可有效识别基本表情。