人的面部表情含有丰富的人体行为信息。在人与人的交往中,面部表情是除了声音之外的重要的通信方式。作为信息的载体,表情能够传达很多语音所不能传达的信息。面部表情识别系统是对人脸的表情信息进行特征提取分析,按照人的认知和思维方式加以归类和理解,利用人类所具有的情感信息方面的先验知识,使计算机进行联想、思考及推理,进而从人脸信息中去分析理解人的情绪。一般而言,表情识别系统主要有三个基本组成部分:表情图像的预处理、面部表情特征提取和面部表情识别。本文回顾了人脸表情识别的研究历史和发展现状,讨论了现有的多种表情识别方法,并且从模式识别和统计学习的角度对人脸表情识别进行了研究。首先采用了基于Gabor小波变换和特征点位置相结合的表情特征提取算法,得到人脸表情特征。其次提出了一种基于高斯混合模型(Gaussian Mixture Model, GMM)的人脸表情识别方法,使用Gabor小波变换的特征输入进行分类识别,取得了一定的效果。最后对SVM分类器及GMM分类器的分类性能进行分析和比较,实验证明GMM方法在人脸表情识别中的有效性,但SVM分类方法在分类结果上更好。