能够及时的自动分析面部活动的方法已经被广泛的应用在不同的领域。然而由于面部活动的复杂性,模糊性以及它动态的本质,开发这样一个系统是有很大挑战的。虽然很多研究小组尝试着通过改善面部特征提取或者面部单元分类的技术来进行面部单元识别,但是这些方法通常是孤立的和静态的识别一个或者几个表情单元,而忽略了表情单元之间的联系和表情单元的动态变化。因此,这些方法不能真实有力的识别面部表情单元。本文中,我们尝试着把动态贝叶斯网络应用到面部表情识别中去,将面部表情单元之间的联系和他们随时间演化的因素也考虑到表情识别中去。特别的,我们用动态贝叶斯网络（DBN）^[24]来表示不同单元之间的联系。动态贝叶斯网络提供了一个连贯的,统一的分层概率框架来表示各种各样表情单元之间的概率关系,并且考虑到随时间变化面部活动的发展。在我们的方法中,计算机视觉设备用于获得面部单元的测量值。这些测量值作为根据应用于动态贝叶斯网络来推出其他各种各样的表情单元。实验表明,综合了表情单元之间的关系和表情的动态变化这些因素的表情识别方法使得识别率具有一定的提高,尤其是自发的面部表情和在更现实的环境下,包括光照变化,人脸的姿势变化以及遮挡等情况。