随着社会的发展,世界各国掀起了建设高铁的浪潮。近年来,中国在高铁建设方面取得了举世瞩目的成就,为人类文明进步和社会经济发展做出了不可磨灭的贡献。因此,对列车运行的舒适性的评价、以及当列车进入极端工况下如何提高应急处理能力变得十分重要。对此,本文探索利用旅客的表情信息来评价列车的舒适性和分析极端工况下旅客的行为反应等。为轨道交通国家实验室(筹)实验平台上模拟旅客乘坐环境极端工况的仿真实验奠定基础,为列车舒适度的评估提供一手反馈信息,为处理列车突变事件做有益的尝试。　　 本文首先阐述了研究背景及研究意义,介绍了表情识别研究现状,讨论了人脸表情识别系统中的人脸检测、预处理、特征提取、分类器等主要环节。其次,分析了传统表情识别方法中使用Gabor小波提出特征的局限以及在降维阶段使用下采样方法进行初步降维的缺点。由此,设计了一种新的人脸表情识别方法。该方法是使用Adaboost自动检测人脸、人眼,然后获取子图像样本、在对子图像进行预处理后,使用24个Log-Gabor滤波器提取特征。由于提取特征后维数急剧增加,方法中采用二步降维法,先在初步降维阶段使用统计采样的方法,再使用主成分分析法进一步降维。最后在JAFFE与ORL库对所提出的方法做了有效性的验证。　　 在此基础上,把训练样本降维后的特征输入到支持向量机进行训练。待训练得到支持向量机分类器后,对测试样本的特征向量进行识别。在基于JAFFE表情库上设计了两组仿真实验方案并进行了仿真实验,实验结果表明本文的方法优于其他传统方法,具有较好的识别率以及鲁棒性。