近年来，随着人们对人机交互兴趣的增加，表情识别逐渐成为一个研究热点。人脸表情识别是指利用计算机分析特定人的脸部表情及变化，进而确定其内心情绪或思想活动，实现人机之间更自然更智能化的交互。人脸表情识别的研究对于增强计算机的智能化和人性化，开发新型人机环境，以及推动心理学等学科的发展，有着重要的现实意义，并最终产生很大的经济效益和社会效益。本文首先阐述了表情识别的研究背景、意义与现状，并结合国内外相关领域的研究技术，从人脸检测、特征提取等方面对目前表情识别的常用方法做了分析与总结。重点介绍了表情分类技术，扼要地分析了各种技术的优缺点。传统的特征提取方法大多是针对整幅人脸进行特征提取，但不能很好地解决部分人脸存在遮挡的问题。我们提出了基于分块的离散余弦变换(Two-Dimension Discrete cosine transform，2D-DCT)表情特征提取方法。该方法首先对人脸表情图像进行分割，得到眼睛眉毛和嘴巴这两个关键表情区域，然后分别对眼睛眉毛区域和嘴巴区域提取2D-DCT系数，把2D-DCT系数作为观察序列。通过定性分析表明，该方法具有一定的合理性和可用性。隐马尔可夫模型(Hidden Markov Models，HMM)在针对遮挡的人脸表情进行识别方面的研究目前并不多见，而使用隐半马尔可夫模型(Hidden Semi-Markov Models，HSMM)对遮挡人脸表情进行识别的方法目前我们还没有发现。本文提出了基于HMM和基于HSMM两种针对带遮挡的人脸表情进行识别的方法，并分别使用两种方法对带遮挡的人脸表情进行识别和仿真验证，实验表明，HMM能够获得较好的识别率，但由于HSMM具有每个状态产生多个观察值、允许观察值缺省等特性，因此使用HSMM模型的方法获得了更高的识别率，该模型提高了部分遮挡人脸的表情识别效果，同时对无遮挡人脸的表情识别也有所改善。最后，我们通过采用面向对象的思想，设计并实现了人脸表情识别原型系统，并从实验角度验证了上述方法的有效性。