随着计算机被广泛的使用，特别是各种终端移动设备普及，加之人工智能及计算机视觉等领域的快速发展，实现对自然人的行为感知，如人脸表情识别越来越受到关注，其在人机交互、基础科学研究及实际商业领域有着广泛的应用前景。事实上，人脸表情识别不仅是个热点课题，同时也是一个挑战性课题。现实环境下所采集数据的多样性、复杂性就是影响表情识别效果的因素之一，目前研究方法多通过采集实验环境下的标准数据，即正面或者近似正面人脸表情图像降低样本的复杂性，为提升多视角的人脸表情认知能力，本文针对多视角的人脸表情识别及其特征提取展开了深入的研究。主要的研究工作和创新点如下：1、提出了一种基于边缘权重融合的边缘检测方法。根据边缘点具有亮度突变特点，在分析图像中边缘点所呈现的结构分布特性基础上，提出了两种计算图像象素点属于边缘的权重矩阵：边缘分布权重和边缘差值权重。在此基础上，再利用融合决策，提取出边缘点。为验证所提出边缘检测算法的有效性，本文在一些公共库上做了大量定量定性的实验，结果表明：该方法有效提高了边缘检测性能，在边缘误检和边缘丢失方面都有很大的提升，保留了有效的边缘信息，同时也最大限度地排除了噪声的干扰。2、提出了一种基于边缘信息的正脸人脸表情特征。在总结了人脸表情特征提取方法基础上，探讨了边缘作为一种几何特征对人脸表情的表述能力。具体计算过程为：先对人脸表情图像进行边缘检测得到所有边缘点，再将所得到的边缘信息按行和列分别统计边缘点的数目并将所得行和列数目串接为特征向量，该向量即为保留有原图像位置关系的特征向量。为验证该特征的有效性，本文将所得的基于边缘的表情特征用于表情分类识别中，并分别采用K最近邻法、SMO和贝叶斯网络多种分类器进行实验。实验结果证明，基于该边缘的表情特征具有很好的识别率，该特征因其提取方法简便、快速具有良好的计算效率。3、研究了基于SIFT的侧脸表情特征提取。针对多视角中的侧脸人脸表情图像具有不易检测、噪声干扰大、不稳定性的特点，利用了SIFT特征提取侧脸人脸表情信息，建立侧面人脸表情特征，从而进行人脸表情识别，该方法克服了侧脸人脸表情信息所带来的视角差异的影响，有效补充了正面人脸表情信息，为提升表情识别效果提供了基础。4、提出了基于多视角信息融合的人脸表情识别方法。由于目前尚没有完善的多视角人脸表情识别公共数据库，本文采集并建立了一个多视角的人脸表情数据库，在此数据库上验证了本文提出的基于多视角信息融合的人脸表情识别方法。通过对来自不同视角的表情图像数据提取特征，并在特征层进行信息融合，最后进行分类识别。实验结果表明，所提出的方法取得了比较好的识别效果，多个视角融合的识别结果好于单个视角的识别结果。