人脸表情识别是一个将计算机采集到的表情特征信息进行分类和识别的过程，涉及图像处理、机器视觉、运动跟踪、情感计算、特征识别、生理心理学等领域。识别过程一般包括人脸图像获取与预处理、特征提取和特征分类识别三个主要环节。　　本文对表情识别的研究背景、研究历史及现状、应用领域及技术难点等进行了阐述，并对人脸表情识别的基本理论和方法进行了全面综合的论述。在总结已有成果的基础上，本文就图像预处理、表情特征提取、表情特征分类等关键问题进行了研究，主要工作如下：　　(1)表情图像预处理是表情识别过程的第一环节，本文采用灰度归一化及手工划定表情特征区域的预处理方法，实验证明，此方法消除了光照等因素的影响，同时保留了有效的表情特征。　　(2)重点研究了基于局部Gabo r二元模式的表情特征提取方法。由于Gabor小波变换对亮点、边缘等细节特征的处理较弱。经过实验，选取2个尺度和3个方向的Gabor小波变换后，再对Gabor系数图谱进行局部二元模式编码。实验证明，这种方法有效地结合了Gabor小波变换和局部二元模式的优点，既能保持有效的表情特征，也降低了表情特征向量维数。　　(3)构建恰当的过完备字典，通过稀疏表示分类方法实现表情识别。通过对基础库图像训练，构建符合视觉特征内在结构的过完备字典，再对待测表情图像寻找最稀疏解，确定最终表情，实现证明，本文构建的过完备字典结构恰当，信息丰富，求解过程简单，求解结果准确。　　为证明这种方法的有效性,将这种方法应用于JAFFE表情库,结果表明新方法的识别率在JAFFE中达到87.5％,高于基于Gabor和稀疏表示分类算法的83%和基于局部二元模式和支持向量机的71%。