为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。

FLDFaceDetectionMATLAB 基于Fisher线性判别（FLD）的人脸识别算法的实现 我们的人脸识别方法利用了两个观察结果： 从固定视点获取的朗伯曲面的所有图像都位于高维图像空间的3D线性子空间中。 由于面部表情不同，上述观察并不能完全成立。 在实践中，脸部的某些区域可能因图像而异，通常会明显偏离衬里子空间，并且识别的可靠性较差。 我们通过找到从高维图像空间到低维特征空间的线性投影来利用这些观察结果，该空间对面部表情的变化不敏感。 我们选择与类内散布几乎正交的投影方向，在保持可辨别性的同时，投影出面部表情的变化。 我们的方法Fisherfaces是Fisher线性判别式（FLD）的派生物，它使类间散布与类内散布的比率​​最大化。