人脸表情识别是一个非常具有挑战性和非常有意义的课题，它不仅涉及到计算机视觉、心理学、生理学等相关学科，还涉及到模式识别和图像处理技术等。随着科技的进步，人们对计算机的需求也越来越多，希望能够与计算机更加便捷、友好和智能的进行人工交互，而且人脸表情识别技术在安全等多个领域具有广泛的发展前景。针对目前各种方法的优点和不足，本文首先介绍了人脸表情识别的基本流程，重点研究了人脸检测、特征提取和表情分类等关键问题，主要工作如下：（1）人脸检测及图像预处理方面，本文主要讲解了基于Haar-Like特征和Adboost学习方法的人脸表情识别，之后对图像进行了尺寸归一化、去噪声、直方图均衡化等预处理（2）特征提取方面，本文详细介绍以主成分分析进行提取特征的原理，针对其不足之处，又介绍了二维主成分分析，之后又改进成双向二维主成分分析提取方法，结合Fisher线性判别可以使得类间距离最大化的特点，最终采用双向二维主成分分析和Fisher线性判别相结合的特征提取方法（3）表情分类和识别方面，本文主要介绍了SVM分类器原理及其优点，实验采用径向基核函数和一对一的SVM分类器对表情进行识别，并对各种特征提取方法进行实验，将结果进行对比，结果显示本文结合BDPCA和FLD进行特征提取，之后结合SVM分类器，表情识别取得了不错的效果。