人脸表情是由人脸面部肌肉部分发生形状变化所产生的，是传播人类感情与协调人际关系的重要方式，能够反映人类的情绪变化、心理活动和社会行为。人脸表情识别以其表情种类多、包含信息丰富等特点已成为近年来的研究热点，在社会心理学、图像处理、模式识别以及智能生活等领域都有着重要的研究意义和应用价值。　　 本文首先总结了目前人脸表情识别技术的国内外研究现状，然后对人脸表情识别系统和图像预处理方法进行了分析研究。在图像预处理阶段提出了基于“八眼”的人脸有效区域分割方法，去除一些对人脸表情识别贡献不大的冗余区域。　　 然后，研究并比较了几种常用的特征提取方法，结合各种方法的优缺点和课题研究目标，选定主成分分析（Principal Component Analysis，PCA）人脸表情特征提取方法为研究基础。PCA可以有效地提取表情特征，同时能够降低特征维数，但PCA提取的是表情图像的全局特征，忽略了其局部特征信息，易受外界环境的影响，因此本文引入了局部二值模式（Local Binary Pattern，LBP）方法来提取对人脸表情识别贡献较大的嘴部区域的局部纹理特征，结合PCA与LBP使得提取到的表情特征同时兼顾全局性和局部性，实现在PCA基础上对人脸表情特征提取方法的改进。　　 考虑到对于同一个人不同种类表情图像之间相似程度较大的问题，本文提出了表情差值图像方法，以增强不同种类表情图像之间的差异性，减弱其相似性;同时，在人脸表情特征提取阶段，引入了局部特征分析(Local Feature Analysis，LFA)方法，该方法不仅具有类似于PCA与LBP提取全局和局部特征的功能，而且提取出的特征维数相对较低，可以进一步改善人脸表情识别效果。　　 此外，本文通过研究比较几种常用的分类方法，选定了可以有效解决人脸表情识别这一非线性多分类问题的支持向量机(Support Vector Machine，SVM)分类方法，该方法可以在小样本条件下实现有效分类，具有良好的学习推广能力。　　 最后，利用本文提出的方法进行人脸表情识别实验，并对实验结果进行统计分析，得出实验结论;设计并实现基于人脸表情识别的智能轮椅运动控制系统，进行智能轮椅运动控制实验，验证本文提出人脸表情识别方法的识别效果。实验结果表明，本文提出的人脸表情识别方法可以取得较好的识别效果。