人脸表情在传递信息的过程中起着重要作用，是社会学、计算机视觉等多种学科的研究重点之一，研究鲁棒性的实时表情识别算法，对于推动基于多信息的人脸识别等人工智能的发展，具有重要意义。特征提取是表情识别最关键的步骤之一，对表情识别的结果有重要影响，主成分分析(PCA)、独立成分分析(ICA)、Gabor小波、局部二进制模式(LBP)等都是有效的人脸特征表示方法。本文受此启发，对基于像素模式纹理特征(PPBTF)进行了深入的研究，将其应用于人脸领域，通过大量实验充分研究了它的性能，从而论证了一种新的人脸表达方法。用Adaboost挑选最有判别力的特征子集，用支持向量机(SVMs)作为分类器，本文提出了基于PPBTF的人脸表情识别方法，并设计了一个实时的表情识别系统，该系统能自动识别七种常见基本表情(高兴、生气、悲伤、憎恶、惊讶、害怕、中性)，不仅识别速度快，而且对光照具有很好的鲁棒性。基于著名的表情数据库Cohn—Kanade数据库、JAFFE数据库和互联网上的表情图像，本文通过多种实验方案研究了基于PPBTF的人脸表情识别方法的识别性能，实验结果表明该方法具有很好的识别性，两类表情分类最好的识别结果可达到100％，平均识别率也在92％以上。基于PIE图像库的光照(Illumination)子库和自建的表情图像库，本文研究了该方法对光照的敏感程度，诸多实验结果表明，本文提出的算法对光照具有很好的鲁棒性。最后，本文对Gabor小波人脸特征表示方法，使用同样的特征挑选和分类算法，在同样的训练样本和测试样本集上，对两种表情识别的方法进行了比较，得出了各方面的比较结果，比较实验再一次证明了基于PPBTF表情识别方法的有效性和高效性。