近年来,微表情的研究取得了快速的发展,微表情识别是人机交互领域的新兴课题。微表情是一种非常快速的试图隐藏真实感情的表情,持续时间大约只有1/25秒至1/5秒,表达了六种基本表情。分析微表情,目的是发现人试图隐藏的真实情感,能够广泛应用于临床、司法、安全等领域,因此对微表情的研究具有非常重要的实际意义。使用计算机对微表情进行分类识别包含很多步骤,其中特征提取和微表情分类是微表情识别的关键技术。在表情识别领域,局部二值模式(LBP)和局部三值模式(LTP)作为局部纹理描述算子用于特征提取得到了广泛应用,同样该方法可以拓展到微表情识别领域;极限学习机(ELM)作为一种基于单隐层前馈神经网络的新算法用于对表情特征信息进行分类,具有快速、易操作的优点。针对传统方法识别率低和识别速度慢的缺点,本文首先提出了一种基于平均灰度的局部三值模式(MG-LTP)新算法,结合图像的局部纹理信息和全局纹理信息,用于提取表情特征;其次,使用主成份分析法(PCA)对得到的高维数据进行降维;然后,使用ELM作为分类器,用于图像分类;最后,将该方法用于JAFFE人脸表情数据库进行表情识别实验,并进一步应用于CASME人脸微表情识别实验中,该方法较传统图像识别方法取得了较好的效果。