性别和表情识别因其在人机交互、安全驾驶、安全监控等领域的应用,而得到了模式识别、人工智能、应用数学等学科研究者的关注。但性别和表情识别算法容易受到姿态、光照等条件的影响,而且泛化能力不强。本文在前人研究的基础上,提出了一种新的基于面部特征的性别和表情识别方法。首先,采用分块局部二值模式作为性别和表情识别的特征,该特征可以突出人脸不同部位的差异性,而且对于光照、旋转等具有一定的鲁棒性,具有较好的区分能力。然后,提出并实现了基于梯度提升决策树算法的性别和表情识别算法。梯度提升决策树算法由决策树和梯度提升框架组合而成,是解决分类和回归问题较成熟的方法,本文将其用于人脸图像的性别和表情识别中。该方法可直接用于多分类,相较于其他分类算法处理较大规模的数据更有优势,并且有较好的泛化能力。最后,在东北大学应用数学自建性别库和Cohn-Kanade++表情数据库上使用本文方法进行测试,分别取得了 94.4%和93.1%的识别率。同时,为了验证本文算法的泛化能力,在FERET性别库和JAFFE表情库中也分别进行了测试,识别率分别为92%和85%,达到了预期的效果。