目前,基于三维人脸的表情识别研究中,其关键问题是:计算机与人对于图像的理解方式是完全不同的,前者是基于对图像低层视觉特征的分析和判断,而后者则是基于对图像高层语义知识的理解。这种不一致的情况严重影响了表情识别的正确性与鲁棒性,阻碍了表情识别理论的研究和实际应用的推广。另一方面,在进行表情特征分类识别前,必须对特征进行提取与筛选,这一环节是否合理直接影响后续表情识别的准确性。因此,研究如何缩小“语义鸿沟”以及合理地对特征进行提取与筛选,是一个极具意义的研究课题。本文针对上述问题,提出了基于双目标精英策略及语义知识的三维人脸表情识别方法。本文的主要工作和创新之处:（1）提出基于双目标精英策略的三维人脸表情特征筛选方法:现今大多数的特征筛选算法都是以降低特征数量为目标的。但是,实际上特征筛选是一个双目标控制的过程,在减少特征数量的同时,还必须保证相同表情特征之间的相似程度要高,不同表情之间的差异度要大。因此,本文提出改进精英策略的 NSGA-Ⅱ（Non Dominated Sorting Genetic Algorithm Ⅱ,非支配遗传算法）。不仅成功的将单目标的特征筛选问题转化为双目标问题进行研究,而且针对原NSGA-Ⅱ算法中出现的局部收敛和早熟问题,提出对其精英策略进行改进,较好的解决了这些问题,提升了特征筛选的效果。（2）提出了基于语义知识的三维人脸表情识别方法:将BU₃DFE数据库中各个模型的六种基本表情分量作为一个六维的语义知识向量,利用KCCA（Kernel Canonical Correlation Analysis,核典型性相关分析）算法建立筛选后图像的低层特征向量与其语义知识向量的映射关系。将两者联系到一起,缩小了它们间的“语义鸿沟”。（3）在BU₃DFE数据库中进行实验,获得了 86.89%的整体识别率。对实验结果进行分析可以发现,与其它同类方法进行对比实验,本文方法具有更高的识别准确性。