随着科学技术的迅猛发展,越来越友好的人机交互体验备受期待。作为生物特征一部分的人脸面部表情,可以将人们复杂而又微妙的内心世界得以呈现,实现更加人性化的人机交互模式。此外,人脸表情识别技术已被广泛应用于智能安全监控、医疗监控以及刑侦审讯等领域。因此,如何有效地提取表情特征并进行准确地识别是这一领域主要考虑的问题。本文主要研究人脸表情识别方法,对基于不同特征融合和特征预处理的方法进行了研究,以提高人脸表情算法的识别率。本文主要工作如下:1、表情图像距对应中性图像的差别大小是表情识别的关键。表情图像和对应的中性图像每个子块之间存在投影误差,投影误差越大表明所含表情信息越丰富。因而,本文提出了将LBP特征和投影误差相结合的方法,来达到特征拉伸和特征区别性增强的效果,从而提高了表情识别效果。在此基础上,本文还比较了采用标准LBP算法和均匀LBP算法提取的特征下的表情识别性能,实验表明利用均匀LBP特征可以达到降维和提高识别率的效果。2、基于多尺度特征所表达信息的丰富性考虑,本文改进现有的单尺度的HOG特征,提出了二种不同尺度的HOG特征融合以及三种不同尺度的HOG特征融合的方法,证实了多尺度HOG特征融合明显优于单尺度特征的识别效果。3、针对单一特征不能准确表征图像所有信息的缺点,本文提出了人脸表情特征加权融合的方法,将提取的均匀LBP特征和HOG特征进行融合。同时,特征提取并非针对整幅表情图像,而是采用眼睛及嘴巴等在不同表情呈现过程中变化比较明显的区域,特征维数降低。在算法复杂度允许的前提下,在JAFFE和CK+两个表情库上进行实验,实验结果表明采用该方案优于采用单一特征所获得的识别效果。