人的面部表情能够表示主体的状态、情绪、认知等，在智能化人机交互中具有非常重要作用。研究者在表情识别领域已经进行了大量研究工作，并做出了卓越的贡献，但由于人的外貌差异以及妆容等因素使得表情变化复杂细微，给表情识别这个研究领域带来了挑战性。自动表情识别研究中，如何提取有效的表情特征是表情识别的关键因素之一。　　本文围绕人脸特征点定位和表情识别算法进行研究，针对级联回归模型存在过拟合、Gabor纹理特征维数过高以及传统几何特征对姿态等因素不够鲁棒等问题展开研究，具体工作如下：　　（1）深入详细地描述了基地级联回归模型的人脸特征点定位方法，介绍了级联回归模型涉及的SIFT特征描述子。针对级联回归模型中每步回归运用最小二乘法求解存在过拟合的问题，采用了支持向量回归，在高维空间构造线性决策函数实现原有空间中的非线性决策函数，提高了模型的泛化能力，并在LFPW数据集上验证了本文方法的可行性和鲁棒性。　　（2）多尺度、多方向的Gabor特征虽然可以有效地表征人脸特性，但是由于特征的维数过高，导致识别耗时。本文采用局部嵌入式算法对提取的Gabor纹理特征降维，在去除特征间的相关性的同时，保留了有效决策信息，并与传统PCA算法进行对比，验证了局部嵌入式算法的优越性。　　（3）传统的人脸表情几何特征是根据ASM和AAM等基于参数化模型定位所得，由于基于参数化模型的特征点定位方法易受光照、姿态、表情等因素的影响，导致人脸关键部位的特征点定位并不精准，使得基于几何特征的表情识别遇到了较大的困难。为解决此问题，本文引入基于级联回归模型的特征点定位方法，提高了人脸关键部位定位的准确性，获取到的人脸表情几何特征更具可靠性和鲁棒性。　　（4）针对单一特征容易遗漏其它细节的问题，提出了基于纹理特征和几何特征的融合算法，有效克服了提取的单一特征不能完整描述表情的缺点，并采用支持向量机算法对获取的融合特征数据进行分类识别，最后在JAFFE人脸表情数据库上验证了融合算法的可行性。