人脸表情识别技术赋予计算机理解人类情感和意图的能力,在人机交互、学习情感分析、心理治疗等方面具有重要的应用价值。在这些实际应用中,用户的头部姿态往往是不受约束的。然而,当前大部分的人脸表情识别研究工作仅针对正脸图像展开,无法满足诸多实际应用的需求。针对自然场景下人脸表情识别由头部姿态导致的识别率不高的问题,本文提出了自然场景中基于多头部姿态条件概率模型的表情识别方法。具体的研究内容包括:(1)提出了一种基于深度特征的头部姿态估计算法。头部姿态由深度特征表示,所用特征来自深度模型的全连接层,通过深度模型正向传播计算得到。分别采用支持向量机、随机森林和神经网络训练深度特征得到不同的头部姿态分类器,最后通过测试判断各分类器的性能。测试结果表明基于相同的深度特征,随机森林的分类能力最强。同时,与现有算法进行了对比实验,实验结果表明本文所用方法对头部姿态估计的更准确。(2)提出了一种基于条件概率模型的多头部姿态下的表情识别算法。根据提出的头部姿态估计方法建立条件概率模型,将估计的头部姿态作为条件概率,分别训练不同姿态下的表情分类器,利用贝叶斯公式综合不同姿态下的表情分类器输出来估计最终的结果。大量的对比实验结果表明,基于条件概率模型的表情识别算法优于现有算法。以头部姿态为条件的表情识别比无头部姿态条件的表情识别效果要好,证明了头部姿态作为隐含条件处理方法的有效性。