人脸表情识别是当前国内外模式识别和人工智能研究领域的一个热点课题。表情识别作为情感计算研究的重要组成部分，可以有效地促进人机交互智能系统的发展；也可以为动画表情的合成、人脸识别等领域的研究提供理论基础。如何从静态图像以及视频序列中获得更加准确和鲁棒性的人脸表情识别效果是表情识别研究的最终目标。在静态图像方面，现有识别方法提取的表情特征不够丰富，对非特定人脸的表情识别效果并不理想；在视频序列方面，当前的方法大多数只考虑了光流运动特征，而忽略了静态表情特征，因而识别效果也不稳定。本文根据当前的研究现状，分别从这两方面对表情识别的算法进行了改进。本文具体工作如下：首先，在基于静态图像的表情识别中，利用二维主成分分法析法2DPCA以及主成分分析法PCA对特征提取算法进行了改进；其次，在基于视频序列的表情识别中，利用金字塔光流法计算光流特征，并将光流特征和2DPCA主成分特征联合起来进行表情识别。并且文中采用了适用于小样本分类的支持向量机SVM分类器进行表情分类。实验结果表明本文引入的两种特征提取算法是合理、高效的，具有一定的理论研究和实际应用价值。