Emocje wyrażane poprzez mimikę twarzy są jedną z najważniejszych metod niewerbalnej komunikacji między ludzkiej. Niezależnie jak dobrze wydaje nam się, że umiemy rozpoznawać różne stany emocjonalne, łatwo jest wprowadzić nas w błąd. Złe zrozumienie wyrażonych emocji, a co z tym się wiąże intencji drugiej osoby, może wywołać nieprzyjemne konsekwencje w życiu prywatnym, a mieć daleko idące niepożądane skótki, gdy chodzi o środki bezpieczeństwa. Dlatego automatyczne rozpoznawanie emocji cieszy się dużym zainteresowaniem od kilku dekad. Z drugiej strony, automatyczna analiza emcji może znaleźć zastosowanie w leczeniu chorób psychicznych. Przykładowo długość i intensywność wyrażania radości jest silnie zależna do rozwoju depresji. W swojej pracy poruszam problem automatycznego rozpoznawania obrazów przedstawiających osoby wyrażające radość uśmiechem od tych o neutralnym wyrazie twarzy. Do opisania danych wykorzystuję informacje zawarte w teksturze, które stanowią podstawę budowy wektorów cech używanych w klasyfikacji. W ramach badań rozpatrywany jest sposób analizy obrazu: wpływ zastosowanego podziału i wytypowanych masek, wybór metody opisującej teksturę. Przeprowadzone badania uwzględniły dobór najlepszego klasyfikatora, gdyż literatura związana z tym tematem podaje sprzeczne informacje. W prezentacji omówię również wpływ aspektów związanych z kolorem, czy redukcją długości wektora cech na efekt działania systemu. Badania przeprowadzone w trakcie opracowywania systemu analizy emocji wyrażających radość zostaną poparte wieloma wynikami. Dodatkowo zaprezentuję system automatycznej analizy natężenia emocji, który jest jednym z możliwych sposobów wykorzystania opracowaych rowiązań.