人类对于面部表情的研究，最始于生理学家和心理学家对于表情和情绪的研究，他们对表情和情绪之间的关系、表情的多样性、脸部表情含义的表述以及表情的分类等问题进行了研究。从人类语言学的发展中，我们也可以看出面部表情情感的识别，对于唇语的理解有着辅助作用。在人类行为学发展中，我们也能看出面部表情情感的识别能够提高人类交流中的信任度；对于商业应用中也占有重要的一环，可视电话和电视会议也能从人们面部表情中加深交流，读懂他人内心世界；对于医疗系统方面，从病人的面部表情体现出来的情感可以用来辅助判断病人的心理、精神、身体各方面的状况；除此之外，对其他行业如：公安部门、律师行业等，读懂他人的面部表情情感，对他们的工作都至关重要。　　本文在参考大量中外前人研究的成果上，对隐马尔可夫模型进行了适当的改进，从而设计出了一种多姿态下的人脸情感表情识别方法，期间主要做了下面一些改进：　　首先在已有的研究基础上，通过相位的形式，将面部区域的运动形式给表示出来，然后基于相位的面部表情运动特征，其通过构造特征向量和序列来对面部特征进行表示，这样相应的特征向量计算显著简化，后续表情分类处理工作也更简单。　　其次通过对离散隐马尔可夫模型的分析，并考虑到其在描述表情特征序列方面的不足，本文对此提出了一种改进算法，并实现了与面部表情时序特征的方法。本算法为了分析方便，通过适量减少矢特征误差，并假设此特征序列在一定程度上服从高斯混合分布。　　最后本文利用了k-means聚类算法；来计算高斯混合模型的初始值，并总结了与此相关的计算方法，其可以较好的对此种序列的概率分布进行描述。　　根据测试结果表明，本文的这种方法可以较好的满足相应的分类效率要求，且达到了较高识别效率，矢量量化误差也明显降低，具有一定的应用推广价值。