人脸在人与人的交流过程中起着重要的作用,这就决定了在现代社会中,使用计算机自动进行人脸识别工作有着极其重要的意义。表情又是人脸的一个重要组成部分,面部表情的自动分析和识别,加深了人们对人类情感和大脑机制的理解,并提高了人机界面的和谐性,提高了计算机感知情境、理解人的情感和意图并做出适当反应的能力,因此表情识别对建立友好的人机交互界面有着重要意义。随着人脸计算机处理技术不断完善,利用计算机进行面部表情分析成为可能。人脸表情分析与识别是当前模式识别和人工智能领域的一个研究热点。研究人员在该领域投入了大量的精力,已经提出了很多用于面部表情识别的方法。目前在人脸识别领域,主成分分析的方法得到了广泛的应用。本文对主成分分析方法进行了研究,提出了基于主成分分析的人脸面部表情识别的算法。该算法是在主成分分析的基础上,利用图像处理技术及BP神经网络来进行面部表情识别的。在图像预处理部分,采用了边缘锐化的方法,提取出了人脸器官的轮廓和表情纹理,去除了大量与表情无关的信息。在特征提取阶段,利用主成分分析算法对预处理后图像实现了特征提取,对人脸图像进行了特征降维。在表情分类部分,使用三层BP神经网络实现了对人脸图像的表情分类,并对如何提高网络性能进行了分析和研究,用遗传算法优化神经网络以提高识别率,并探讨了以上几种人脸表情识别方法的难点和重点。最后,对本文工作进行了总结,提出了进一步的工作方向和思路。