Pengenalan wajah sudah berkembang sehingga perkembangan penelitian menjadi lebih canggih untuk membuat aplikasi untuk pengenalan yang dikembangkan dari wajah. Dengan hal yang seperti ini pengenalan, bukan hanya pengenalan wajah namum lebih mengedepankan pengenalan dari bagian wajah misal ekspresi wajah. Wajah merupakan bagian tubuh yang sangat unik yang mampu membuat ekspresi yang bermacam – macam. Meskipun nama filenya telah dirubah, namun tidaklah membuat citra yang ingin dicari kemiripan menjadi rancu karena hal ini tidak didasarkan atas nama dari sebuah file melainkan berdasarkan ciri baik bentuk, warna maupun tekstur. Sistem dibangun dengan proses utamanya yaitu deksriptor tekstur dengan menggunakan metode Local Binary Pattern (LBP) dan ekstraksi fitur tekstur dengan menggunakan Gray Level Co-occurrence Matrix (GLCM). Kemudian hasil dari ekstraksi fitur akan dilakukan pengukuran kemiripan dengan menggunakan metode Euclidean Distance (ED) sehingga ekspresi akan dikenali. Citra training dan citra testing yang dipergunakan sebanyak 203 citra dengan tujuh kelas citra didalamnya. Dari uji coba aplikasi pengenalan ekspresi wajah menggunakan pengukuran kemiripan Euclidean Distance diperoleh akurasi sebesar 45,8 % pada 70 training dan 133 testing serta akurasi tertinggi 81,6 % pada data 154 trainig dan data 49 testing menggunakan citra JAFFE Database dengan ekspresi marah, jijik, takut, bahagia, netral, sedih dan terkejut sebagai objek ekspresi citra.

Face recognition has been developed which trigering a sophisticated research to create applications that are developed for the faces recognition With the introduction of things like this, not just the face recognition emphasizes however the recognition of facial expressions of the face eg. The face is a very unique part of the body that can make a variety of expressions - wide. Although the file name has been in the fox, but does not create the image you want to find similarities to be ambiguous because it is not based on the name of a file but by the characteristics of both the shape, color and texture. The system was built with the main process deksriptor texture by using Local Binary Pattern (LBP) and texture feature extraction using the Gray Level Co-occurrence Matrix (GLCM). Then the results of feature extraction will be measured using the similarity Euclidean Distance method so that the expression will be recognized. Imagery training and testing images are used as much as 203 image with the image of the seven classes in it. Trial application of facial expression recognition using Euclidean Distance similarity measurement obtained an accuracy of 81.6% using Jaffe image database with an angry expression, disgust, fear, happy, neutral, sad and shocked expression as an object image.