人们的面部表情在日常的交流中起着十分重要的作用，有关的心理学研究表明人们的面部表情中所包含的情感信息远远超过了声音中所包含的情感信息。作为模式识别与机器视觉领域中非常具有挑战性和创新性的研究课题之一，人脸表情识别技术是涉及到计算机视觉、模式识别、人工智能、图像处理、情感计算等多学科领域的综合课题，也是现今极为活跃的研究方向之一。 　　本文将人脸表情作为主要的研究对象，将人脸表情识别算法作为主要的研究目的。在分析本课题研究现状的基础上，提出了一种将改进的AdaBoost算法与支持向量机(SVM)相结合的人脸表情识别算法。下面将本文的研究重点总结为几个方面的内容： 　　1)人脸检测。从现有的人脸检测算法入手，针对人脸检测在复杂的背景条件中检测率低、速度慢等问题做了分析和研究，将基于类Haar特征的人脸检测算法作为了本文的检测算法，并给出了检测的结果。 　　2)人脸表情区域的定位。人脸的表情信息在其眉毛、眼睛和嘴部表现的较为集中，因此为了更有效地提取出人脸表情的本质特征，删减掉部分弱特征，本文采用基于灰度积分投影的方法对人脸的关键表情区域进行了定位，并用Gabor滤波器对其进行滤波处理，得到代表图像表情本质信息的纹理特征，作为该图像表情识别的特征向量。 　　3)二次降维和表情分类。虽然区域化选择表情特征使得提取到的图像特征维数有了一定程度的降低， 但是对于识别分类的要求而言，其维数还是比较高的，因此本文又选取了AdaBoost的修改算法进行二次降维，并将一种改进的AdaBoost算法与SVM结合运用到表情分类当中，保证了在出现样本不均匀的情况下，该算法同样具备很好的识别率。 　　4)基于以上的研究实现了一套自动人脸表情识别系统，并对实验结果进行了分析，总结了经验与不足，讨论了人脸表情识别的研究方向。