Les méthodes de reconnaissance des expressions faciales utilisent une combinaison de caractéristiques géométriques et basées sur l'apparence. Les caractéristiques spatiales sont dérivées des déplacements des points d'intérêt du visage et contiennent des informations géométriques. Ces caractéristiques sont soit sélectionnées en fonction de connaissances préalables, soit réduites en dimension à partir d'un grand ensemble. Dans cette étude, nous produisons un grand nombre de caractéristiques spatiales potentielles en utilisant deux combinaisons de points d'intérêt du visage. Parmi celles-ci, nous recherchons un sous-ensemble descriptif de caractéristiques en utilisant la sélection séquentielle progressive. Le sous-ensemble de caractéristiques choisi est utilisé pour classer les expressions faciales dans le jeu de données étendu Cohn-Kanade (CK+), et a permis d'atteindre une précision de reconnaissance de 88,7 % sans utiliser aucune caractéristique basée sur l'apparence.