人脸表情识别技术是模式识别、计算机视觉、情感计算、心理学等领域的一个极富挑战性的交叉课题,是近年来的一个研究热点。尽管人脸表情自动识别技术在各种潜在应用的推动下发展很快,但到目前为止,要建立鲁棒的实时人脸表情自动识别系统还有许多难点问题尚未解决,人脸表情识别技术因而受到了研究者们的广泛关注。人脸表情识别包含三个重要的技术环节,即人脸的定位与人脸表情图像的标准化处理、人脸表情特征的提取,以及人脸表情的识别。因此,本文主要基于以上三个方面进行了基于HMM的人脸表情识别的研究。在人脸表情图像的预处理部分,我们利用人脸灰度分布的已知性与可预测性,结合Jaffe人脸表情数据库的成像特点,采用灰度垂直投影和水平投影以及自动阈值分割方法,实现了人脸图像中人眼的准确定位,并通过旋转、裁剪、缩放等操作最终完成了人脸表情图像的标准化处理。在表情特征提取部分,由于log Gabor小波变换能够有效地提取与表情变化有关的特征,并能有效地屏蔽光照变化及个人特征差异的影响,因此,我们采用log Gabor变换,实现了人脸表情特征矢量的有效提取。作为一种概率统计模型的一种,隐含马尔克夫模型在语音信号的识别和合成中已经得到了广泛的应用,因此,我们采用该模型实现人脸表情的识别。研究结果表明,通过选择合适的HMM参数,可实现日本女性表情数据库Jaffe中七种人脸表情的识别率较高的识别。