人脸表情识别是人工智能与人机交互领域中的一个重要课题，目的是实现计算机自动识别人的表情，进而分析人的情感与心理。这将进一步增强人机交互的友好性与智能性，因此有着很高的研究价值和良好的应用前景。本文针对人脸表情识别中特征提取和分类器设计等关键技术进行了详细的阐述，以张量脸算法为基础展开了进一步的研究。　　人脸的表情识别系统主要分为三部分：人脸图像的预处理，人脸表情特征提取和分类器设计三部分。本文主要研究了特征提取和表情分类过程中的一些关键问题，提出了能在多姿态、多光照等复杂情况下有效提取和分类人脸表情的算法，并在几种标准人脸库中进行了识别实验。主要的工作如下：　　首先是图像的预处理，主要包括人脸基准定位、尺度归一化等工作。　　人脸表情的特征提取是本文的重点，能否从多姿态多光照的高维人脸图像中有效地提取出人脸表情特征，是表情识别的关键。本文对张量脸算法相关理论进行了深入的研究，由光照、姿态、个体、表情等因素组合成一个高阶张量，并将其分别映射到各自相应的特征子空间中，以得到张量表情特征模型。　　最后应用经典最近邻法对由张量子空间法得到的表情特征进行了分类识别。验证试验是基于Matlab7.0平台，在JAFFE、PIE等人脸数据库中进行的，通过将其与传统的表情识别算法做的比较，表明了张量表情算法在多姿态多光照情况下的优越性和有效性。