摘要：为提高表情识别的识别率,提出一种鲁棒的PCA特征提取方法,结合随机森林学习方法实现人脸表情的识别。该方法主要包括图像预处理、表情特征提取和表情特征的训练与分类3个部分,其主要创新在于鲁棒的PCA特征提取方法。融合欧氏距离和明氏距离两种距离计算方法求取样本均值,采用梯度下降算法迭代寻找最优的样本中心和投影矩阵,提取适应不同样本的鲁棒PCA特征;在图像预处理阶段提出改进的Gamma校正方法,避免在光照校正时大幅改变图像的整体亮度分布。实验结果表明,该方法对表情的识别率高,运算效率高。