面部表情是人体语言的一部分，在人们日常的交流中起到至关重要的作用。人脸表情分析是指利用计算机对特定人的脸部表情及变化进行分类，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。它是计算机情感计算的重要研究内容之一，在视频监控以及可视电话，电视会议等商业应用方面都有着重要的价值。本文按照人脸检测、跟踪、表情分析的步骤建立起一个人脸表情分析系统，针对各个环节存在的问题进行了研究，主要工作和创新如下：(1)在人脸检测和跟踪阶段，本文使用肤色模型以及面部特征验证的方法进行人脸检测，并重点讨论了人脸跟踪过程中的多人脸匹配问题，提出了基于2DPCA的人脸代数特征匹配方法，用于解决目标在跟踪过程中出现的遮挡等问题，在速度和准确性方面都取得了较好的实验结果；(2)在表情分析阶段，本文针对实时视频的具体情况，采用DCT变换对整幅人脸图像进行降维并获取有效特征，从而减少了观察值序列的维数，大大降低了训练和识别系统的复杂程度；其后，根据提取的特征设计了基于隐马尔可夫模型的人脸表情分析方法，选取表情脸与中性脸图像的2D-DCT系数差值，经ZIG-ZAG扫描、K均值聚类生成观察值序列，最终对高兴、生气、吃惊、厌恶、恐惧、悲哀六种表情进行分类识别，实验结果表明，本文提出的方法在单个人和多个人的实验中均获得了比PCA方法更高的识别率；(3)最后研究了TI公司TMS320C6000系列DSP的内部结构和开发过程，将算法移植到DSP集成开发环境CCS上，并进行了相应的程序优化，试验仿真成功。