人脸表情是人际交往的重要渠道,准确识别人脸表情可促进对人心理状态和情感的理解。基于视频的动态表情识别在情感计算、人机交互、公共安防与心理治疗等领域具有广泛的应用前景,近年来受到研究者越来越多的关注。按照运动强度和持续时间的不同,人脸表情可分为常规表情和微表情两类,无论是常规表情识别还是微表情识别,设计或学习有效的时空特征是提高识别性能的关键。本文的主要工作如下:(1)提出了结合时空特征与几何特征的动态表情识别方法。该方法使用多层独立子空间分析网络从表情视频学习时空特征,同时使用单层独立子空间分析网络从面部关键点运动轨迹中学习几何特征。实验结果表明在时空特征的基础上加入几何特征能够有效提高表情的识别准确率,获得比传统手工特征更好的识别效果。(2)提出了基于时空Gabor滤波的微表情识别方法。针对微表情运动强度低的特点,使用欧拉影像放大技术和帧差法对微表情视频进行预处理,然后使用时空Gabor滤波器对预处理后的视频进行特征提取。实验结果表明,该方法的识别性能优于传统的LBP-TOP和光流直方图方法。(3)提出了一种基于STLGBP-TOP的微表情识别方法。该方法在时空Gabor滤波的基础上,进一步使用LBP-TOP对Gabor滤波响应进行编码。通过与单独使用LBP-TOP特征和时空Gabor特征识别性能的对比实验证明了该方法对于微表情识别的有效性。