近一段时期，在图像分析和模式识别领域的发展使感情和会话时的脸部信号的自动识别成为可能。自动化后的人脸表情识别可以被应用到人机交互方面，从而最为一种新的方式和手段从而使人机之间的交流更紧密，更高效。 本文主要针对人脸表情自动识别方法进行了研究。所提出的人脸表情的自动识别方法主要分为三步，首先是人脸检测，文中提出了一种基于色彩空间转换和亮度补偿的肤色检测算法，然后通过构建眼，嘴模板来进行人脸的特征点定位，以及获得图像中人脸所在区域。在定位人脸后，下一步就是要进行脸部表情信息的自动提取，为了描述人脸的面部结构，本文采用了Gabor滤波器对图像进行滤波，由于Gabor矢量在相邻像素间是高度相关和信息冗余的，本文构建了一个脸部稀疏网格，抽取网格中每个节点处的一组Gabor滤波结果作为脸部表情数据，从而实现脸部表情数据的自动提取。获得所需信息后，最后一步就是要进行表情的分类，根据所使用的人脸数据库，将人脸表情分为三类：自然，高兴，生气。分类器的设计采用的是基于自组织神经网络的方法，为了克服传统的自组织映射神经网络的训练结果容易受训练样本的输入顺序和权值初值影响，而导致训练结果不符合期望的问题，因此，在训练过程中引入了监督机制，以使训练结果与期望相符。通过以上三步就完成了对人脸表情的自动分类。 本论文的研究主要利用了图像处理方法和模式识别知识对人脸表情进行自动分类，实现了一个人脸表情自动分析系统。实验结果表明，该系统能够达到很好的分类效果。