近年来，随着人脸表情识别理论研究的深入和人机交互技术的发展，基于视频流的人脸表情识别技术已成为现阶段计算机视觉领域的一个研究热点。本文对人脸表情识别技术进行深入研究，结合当前人脸表情识别领域中的经典算法，提出了基于二维Gabor小波变换与分类树相结合的人脸表情识别方法。本文首先使用基于Haar特征与级联的Boosted机器学习相结合的方法进行人脸检测；利用视频流中图像序列的相关性，提出了一种视频序列中减少检测区域的人脸检测算法。接着采用二维Gabor小波变换对网格化的人脸表情图像进行处理，表情图像的所有子网格经过Gabor小波变换得到的特征矢量组合在一起，作为该表情图像的特征矢量；对于某些易混淆的表情（厌恶、生气、悲伤），提出了一种基于频率优选的Gabor小波变换的特征提取方法。然后根据分类树的方法，对七种基本表情进行分类，把表情分类过程分为多级，在每级分类中采用弹性模板匹配和加权的K近邻（Weight K-Nearest Neighbor，WKNN）分类算法。本文最后实现了一个基于视频流的人脸表情识别系统，该系统能实时的进行人脸检测和表情识别，并从实验角度验证本文方法的有效性。实验表明，对于七种基本表情，本文提出的方法具有较高的识别率，并且在一定程度上提高了人脸检测的实时性和准确性。