人脸表情含有丰富的人体行为信息,对它的研究可以进一步了解人类对应的心理状态。计算机和机器人如果能够像人类那样具有理解和表达情感的能力,并能够自主适应环境,这将从根本上改变人与计算机之间的关系,使计算机能够更好地为人类服务。本文针对辅助医护中病人的表情识别应用需求,研究了相关的表情特征提取和识别方法。主要完成了以下工作：(1)提出了基于小波多尺度分解和Gabor小波变换的表情关键区域特征提取的方法。为了提高算法速度和准确率,首先利用小波二次分解降维,然后分割表情关键区域,再利用Gabor小波变换进行表情特征提取。最后将特征向量投影到PCA+FLD建立的特征子空间,进行数据压缩。实验证明,所提方法较传统方法能更有效地提取表情关键特征。(2)提出了基于动态C均值聚类和逐级K近邻分类的表情识别方法。为了降低表情的多样性和相似性对识别结果造成的干扰,采用动态C均值聚类构造表情模板,再根据不同的表情关键区域,采用逐级K近邻分类进行表情识别。实验证明,所提方法能有效克服某些表情间因部分区域相似导致的误判。(3)设计了辅助医护中病人的表情识别实验。模拟病人在病房中的表情变化,在实验室拍摄图像。应用肤色检测和图像预处理的方法,提取人脸,并作归一化处理。然后,利用本文提出的特征提取和表情识别方法完成表情识别。实验证明,所提方法能够有效地识别病人的特有表情。