由于新生儿不能自述疼痛的感受与不同刺激下的疼痛的反应，由此产生了一些针对新生儿疼痛的评估工具，其中面部表情的改变是被广泛认同的一种最有效、可靠的评估指标。目前，国际上对新生儿疼痛的评估都是由受过专门训练并熟悉各项评估技术指标的医护人员进行人工评估，这需要花费大量的时间和精力，且评估结果容易受主观因素的影响。因此开发出一种基于人脸表情识别技术的新生儿疼痛自动评估系统是非常有意义的。 人脸表情识别系统包括三个核心环节：人脸检测、特征提取、表情识别。本课题利用支持向量机的方法，对新生儿的疼痛与非疼痛的面部表情进行识别。 本文的主要工作如下： (1)回顾了表情识别系统与新生儿疼痛的研究状况，简要介绍了表情识别系统的三个核心环节、机器学习、统计学习的理论基础，并在此基础上详细介绍了SVM方法的概念和特点。 (2)针对支持向量机的大样本学习内存严重不足、训练速度慢的问题，本文提出了一种能够节约训练时间与存储空间的带有交叉反馈的并行训练支持向量机的方法，并通过大量实验证明了此方法的可行性与有效性。 (3)针对SVM模型选择难的问题，使用了交叉验证与网格搜索相结合的方法来确定SVM的模型。 (4)使用多项式核函数阶数为d=2进行实验，对新生儿的疼痛与非疼痛表情的平均识别率为93.333％，疼痛与平静、哭、吹气、磨擦时表现出的表情进行了识别，获得的平均识别率分别为94.54％、82.222％、88.889％、91.667％。通过对实验结果的分析得出如下结论：本文所使用的方法针对新生儿疼痛面部表情识别能够获得很好的识别率。