本文对基于AU的人脸表情识别的特征提取方法进行了研究。特征提取分为图像预处理、特征提取和特征选择三个模块。在预处理模块，为了提取更多关键特征点，根据对中西方人脸数据的处理分析，提出了分情况综合使用delaunay三角形插值和薄板样条插值两种映射方法的方案。　　 在特征提取模块，为了提取有高区分度的面部特征，本文从时域和频域特征、静态和动态特征两个角度对主流2D特征提取方法的AU识别性能做出比较和分析。实验结果显示，从时间复杂度和识别率两方面综合考虑，LBP算子最适合用于实时人脸表情识别系统。本文基于LBP算子研究了不同的特征提取尺度和不同的人脸分块数目对AU识别率的影响，并根据实验结果对十二个AU的特点做出分析。　　 在特征选择模块，本文设计了一个基于多尺度LBP的两层特征选择的方案。该方案采用以逻辑回归为弱分类器的AdaBoost算法，将每个LBP模式视为一个特征，迭代挑选出有最低错误率的弱分类器所对应的特征，最后为每个AU选择出了各自最佳的特征提取尺度、子区域的尺寸和位置分布的参数组合。实验结果表明此方案的AU识别效果优于同等条件下单一尺度的特征、人脸分块方式下的识别率，并降低了计算复杂度。