人脸表情识别(FaceExpressionRecognition,FER)，是指通过计算机技术分析特定的脸部表情及变化，实现人机之间更智能化的监控。面部表情识别的研究目标是让一些人工智能产品能够自动的识别出人脸的表情。它是涉及模式识别、机器视觉、运动跟踪、心理学等多个领域的一个富有挑战的交叉性课题。未确知聚类是多元统计分析的重要方法，是模式识别的重要工具，在自动控制、系统辨识、人工智能、故障诊断等领域有着重要的作用。由于人脸表情的分类描述与人类情感有密切的联系，具有一定的不确定性。利用未确知聚类对表情进行分类很好的解决了这个问题，分类更加的详细和客观。本文首先介绍了课题的研究背景，并分析了目前国内外的表情特征提取方法以及表情分类方法。在此基础上，将未确知聚类引入到人脸表情识别中，主要内容如下：(1)为提取有效的表情特征，利用主动表观模型(ActiveAppearanceModel,AAM)通过对人脸图像的标定点提取形状信息和纹理信息，来表征一张表情特征模型，再结合主分量分析法(PrincipalComponentAnalysis,PCA)对特征向量进行提取。(2)根据人脸表情的不确定性，将未确知聚类引入到人脸表情识别中，对特征模型进行特征训练，得到可以表征每种表情的特征模板，最后利用最近邻分类法来判断待测样本的表情种类。