人脸表情识别(Facial Expression Recognition,简称FER)是人工智能中一个非常重要且十分复杂的课题。人脸表情识别是指利用计算机对人脸图像进行分析,然后对其为哪种表情进行自动判别。人脸表情识别涉及模式识别、机器视觉、情感计算、心理学等领域,是近些年来的一个研究热点,得到了较快的发展。　　 本文首先概述了人脸表情识别的研究背景和应用领域,然后对其现状和存在的问题进行了分析。在学习前人研究成果和跟踪国内外相关领域相关技术的最新进展的基础上,提出了使用活动单元组合对静态图像进行表情识别的方法。本文所做的主要工作如下:　　 1.将目前国际上研究较热的主动表观模型(Active Appearance Models,简称AAM)引入人脸表情识别领域中；　　 2.使用了基于多分辨率的AAM拟合算法,即AAM金字塔模型,并详细介绍了其训练和拟合的过程。使用AMM金字塔模型对人脸特征点的位置进行精确定位,同时舍弃了经典的用58或68个特征点表征人脸的方法,而选用了24个特征点,提高了算法的效率和正确率；　　 3.对静态图像的表情识别提出使用活动单元组合进行识别的方法,并说明了其可行性和具体步骤；　　 4.使用特征点位置和纹理进行活动单元的提取:对眼睛和嘴巴部分的活动单元,使用特征点的位置信息进行提取,对鼻子和下巴区域的活动单元,使用纹理信息进行提取；　　 5.提出了基于多专家决策的表情识别算法,用其进行最终的表情识别,并介绍了算法的实现过程。