近年来，随着人们对人机交互兴趣的增加，表情识别逐渐成为一个研究热点。人脸表情识别是指利用计算机分析人的脸部表情及变化，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。人脸表情识别的研究对于增强计算机的智能化和人性化，开发新型人机环境，以及推动心理学等学科的发展，有着重要的现实意义，并最终产生很大的经济效益和社会效益。　　本文首先论述课题的研究背景，分析目前国内外的主流人脸表情识别方法，在此基础上，重点对人脸检测和特征提取进行了研究。在人脸检测部分，研究了灰度积分投影下进行人脸眼睛和嘴特征区域定位的方法，经过实验得出这种方法很容易受到背景的影响而造成定位不准。而采用YCrCb色彩空间下的肤色提取，可以有效的将背景过滤掉。再将面部图像进行二次灰度积分投影，可以准确的对特征区域进行定位。　　在特征提取方面，提出了一种新的基于Gabor变换的图像融合特征提取方法。这种方法首先对分割出的感兴趣区域图像进行Gabor变换，通过5种尺度和8个方向的Gabor滤波器，得到同一图像的40个特征图像，这些图像充分包含了识别所需要的特征，但其中有些特征是信息量较少的冗余特征，需要进一步剔除。为进一步降低特征的维数，并充分利用图像包含的各方向、各尺度特征信息，本文引入图像融合技术。这里采用Daubechie双正交样条小波对特征图像进行分解，在此基础上取较大幅值进行融合，再进行重构，通过这些步骤把较为明显的特征的图像融合为一张图像，既减少了特征图像维数又有效的提取了表情特征。　　实验结果证明这种方法有效地提高了表情的识别率。