随着信息和计算机技术的飞速发展，人脸表情识别技术越来越受到研究者的关注。人脸表情识别是指利用计算机分析特定人的脸部表情及变化，进而确定其内心情绪或思想活动，实现人机更自然更智能化的交互。它对于增强计算机的智能化和人性化，开发新型人机环境，以及推动社会心理学及各种相关学科的发展，有着重要的现实意义，并将产生巨大的经济效益和社会效益。 本文首先综述了课题的研究背景，分析了目前国内外已提出的主流人脸表情识别方法，重点对运动单元分析法、运动参数法、主成份分析法、独立分量分析法、Gabor小波分析法等进行了阐述和比较。接着就系统各模块国内外研究现状做了概述。 在总结前人研究成果的基础上，针对人脸表情识别技术的特殊性和困难所在，本文提出了一些较为有效的算法并进行了实验，主要研究内容包括以下几个方面： (1)人脸检测与跟踪：研究并介绍了三类典型的人脸检测方法，通过实验验证了各算法的优缺点。针对系统的实时性要求，在跟踪部分，使用卡尔曼滤波器进行预测，以准确地跟踪人脸的核心区域(双眼、嘴部)。实验结果表明跟踪效果是准确的。 (2)表情特征提取：提出了基于局部参数运动模型的表情特征提取的方法，主要研究了脸部各特征的局部参数运动模型及特征点的跟踪方法。根据基于灰度一致性假设建立相邻帧间区域的对应关系，并采用非线性优化理论进行参数估计。 (3)表情自动分类：研究了BP网络的模型结构、误差的反向传播学习算法及对算法做了一些改进。根据基本表情与面部器官变化的对应关系表和基于局部参数运动模型，依据提取出的运动参数作为输入特征向量建立BP神经网络实现了表情的自动分类，最终的实验证明该方法的准确性与可行性。 最后，结合论文研究和写作中的体会做了总结，针对今后的研究工作，论文对以后进一步的深入研究做了一个简单的展望。