现阶段的人脸表情识别技术对标准姿态人脸表情的识别已经达到了很高的水准,然而现在绝大多数的人脸表情识别系统还不能应用于人脸姿态变化的场合。针对人脸表情识别系统中,人脸姿态的变化会对识别结果造成严重干扰这一问题,本文对多角度人脸表情形状特征提取、降维和表情分类等关键技术进行了深入的研究,研究内容主要如下:1、在线性回归顺序级联的多角度人脸表情形状特征提取方法的基础上,提出了回归模型增量修正策略的多角度人脸表情形状特征提取方法,该方法能在较短的时间内准确的提取多角度人脸表情形状特征,而且能够满足增量更新的要求。在LFPW数据库上进行对比实验,实验结果证明了回归模型增量修正策略的多角度人脸表情形状特征提取方法较判别响应图拟合的好。2、由于支持向量机对小样本有着良好的分类能力,本文提出了基于支持向量机的多角度人脸表情识别方法。该方法对角度特殊的样本采用角度特殊的分类器识别,在小样本数据库上的实验结果证明该方法能有效的识别多角度人脸表情。3、提出基于回归模型增量修正策略和判别共享高斯过程隐变量模型的多角度人脸表情识别方法,该方法首先采用回归模型增量修正策略提取多角度人脸表情的形状特征,然后采用判别共享高斯过程隐变量模型分类识别,在CMU-PIE数据库上进行对比实验,实验结果证明了该方法的有效性。