人脸表情识别是一项极具发展潜力的生物特征识别技术。其研究目的是利用计算机进行人脸表情的识别，进而分析人的情感，能够进一步增强人机交互的友好性和智能性，因此人脸表情识别技术具有广阔的市场前景和应用价值。最近几年，人脸表情识别技术取得了前所未有的发展，但其在实际应用中的识别精度仍然难以满足人们的预期要求，主要是由于表情特征本身易受干扰、可区分性弱等原因，导致识别效果很难像人脸识别、指纹识别一样可靠。本文研究了Gabor小波和局部二元模式(LBP)这两种人脸表情识别中常用的特征提取方法，利用LBP算子对提取的Gabor特征进行编码，得到人脸表情的局部Gabor二值模式(LGBP)。通过使用局部保全投影(LPP)算法，将提取得到的特征降维到LPP空间，使得识别过程简单而且只需要在低维空间计算，大大减少运算时间。经过对支持向量机和K近邻分类原理的研究发现，支持向量机的方法容易在样本的分界面附近出现错误分类，K近邻的分类方法则对分界面附近的样本可以实现很好的分类，但其在分类过程中计算量较大。根据以上研究，本文提出一种改进的方法，在分类界面附近实现对这两种方法融合，并通过实验在表情识别系统中进行验证。在同一表情库上进行实验可以看出，融合后的算法在识别率上要优于使用单一的支持向量机或者K近邻的分类方法。