智能化交互方式的一个显著特征是对人的意图和情绪等有更好的感知。人的表情能够很好的展示人的内心活动、情绪状态以及本身意图,因此快速而准确的表情识别对于更加智能化的人机交互十分重要。虽然表情识别任务一直是研究的热点,研究的成果也非常丰富,然而由于其本身任务的复杂性,进行更广泛的表情识别研究仍然具有重要的学术价值和应用意义。本文以构建鲁棒的表情识别系统为目标,紧紧围绕提取更具表达的表情特征为主题,主要从几何形状和纹理统计两个方面学习能够充分表征人面部表情的特征。在几何形状方面,本文主要通过探索每种表情的完备特征区域,并在此基础上提出了基于完备特征集的表情识别方法,在纹理统计方面,本文主要通过概率线性判别分析(PLDA)提出了基于表情空间的表情识别方法。不仅如此,由于几何形状和纹理统计是基于两个不同的角度对表情特征的学习,所以本文又提出基于两者联合的表情识别框架(SSPLDA),并在通用的表情库上面验证了本文提出的方法的有效性。综上所述,本文的主要工作包括:1)提出了基于完备特征集的表情识别本文受表情运动单元编码系统(FACS)的启发将每一种表情与人脸不同的区域对应起来,并且引入了表情的完备特征集的概念,即所有表情在人脸部的相关区域构成表情的完备特征集。表情的完备特征的构建本质上是对人脸部区域表情特征几何形状信息的一种探索,并将那些与表情信息无关的区域从表情特征中剔除出去,这样做不仅能够减少运算量,还能有效地提高识别效果,实验也验证了这一方法的有效性。2)提出了基于表情空间的表情分析和识别本文基于概率线性判别这一生成模型将人脸的信息分解为与表情相关的信息和与表情无关的信息以及随机的噪声信息,主要关注于该生成模型中表情空间的学习,并通过可视化分析的方法探索学习到的表情空间的维度与表情信息刻画能力的关系。同时本文基于贝叶斯的方法求出任意两个样本在表情空间中的相似度测量,并基于该种度量方法设计出kNN表情分类器用于表情识别任务中,且在流行的表情数据库上的实验验证了这一方法的有效性。3)提出了基于SS-PLDA的表情识别框架基于SS-PLDA的表情识别框架是由稀疏方法进行表情完备特征集挑选(Sparse selection)和概率线性判别分析(PLDA)构成的一种表情识别的方法。前文介绍了完备特征集的表情识别是一种基于几何形状的表情特征学习方法,而表情空间的表情识别是一种基于纹理统计的表情特征学习方法。这两种方法不仅不对立,还能有机地统一于同一个框架之下。这样提取出来的表情特征既包含了几何形状信息,又包含了纹理统计特征信息,是一种更富有表达能力的表情特征,在流行的表情数据库上的实验验证了这一说法。