通过开展人脸表情识别特征方法研究，应用机器学习方法建立有效的表情识别算法，分析疲劳表情特征，探索人体疲劳规律。研究共分为两部分:第一部分是一般人脸表情识别研究计算，第二部分是疲劳人脸表情识别研究计算。在一般人脸表情识别研究中，采用等距映射算法及其改进的算法对表情图像进行降维，然后调用k近邻分类器识别未知类别的表情图像。在疲劳表情识别研究中，采用局部线性嵌入算法及其改进的算法对序列表情图像进行降维，然后分析低维表情特征，获得了与疲劳关联的三个特征参数。　　等距映射是一种无监督的流形学习算法，它没有充分地利用训练样本的类别信息。监督式等距映射算法考虑了样本的类别信息对测地距离的重要性，增加不同类的样本的测地距离而保持同类样本距离不变。考虑到表情之间的内在联系，我们提出了基于表情加权距离的等距映射算法用于人脸表情识别，在计算表情样本间测地距离时，相同的表情类别保持测地距离不变，对不同的表情添加不同的加权值。　　提出了基于平均重建误差的局部线性嵌入算法用于人脸疲劳表情的检测。传统的局部线性嵌入算法在构造重建误差时没有考虑误差是否为最合适的重建误差，我们先求每一个数据点的所有邻域点构成的重建误差之和，然后取其平均值作为这个数据点的重建误差。　　通过人脸表情识别的研究，提高了表情的识别率，比传统的等距映射算法提高高达8％的识别率，比当前使用流形学习方法获得的最高识别率有所提高。通过人脸疲劳的检测研究工作，得到了疲劳的具体特征参数，对检测人的疲劳状况具有一定的应用价值。