人脸蕴藏着丰富的信息,如性别、年龄、表情等等,在人际交往中,面部表情扮演着重要角色,随着人工智能的发展,表情识别在很多场景中也得到了广泛的应用,有代表性的如产品评估、视频解析、安全驾驶、情感机器人等。目前,表情识别技术发展势头迅猛,且极具潜力,是人机交互领域的研究热点。让机器试图理解人的情绪,具有人类独有的智能,变得更人性化从而代替人类完成复杂的任务,更好的服务人类,一直是人们所追求的目标,其应用价值在智能时代无疑十分重要。近年来,卷积神经网络在图像识别领域的出色表现使其成为当下的研究热点,相比于传统的识别方法需要人工定义特征提取特征,卷积神经网络在这些方面具有极大的优势。本文研究了当下流行的卷积神经网络算法,将其应用到人脸表情识别中。本文的主要工作如下:(1)本文阐述了最近几年国内外表情识别技术的发展状况,介绍了神经网络的起源发展历程以及所取得的成果,详细分析了几种经典卷积神经网络模型的结构与算法原理。(2)本文详细介绍了业界广泛使用的表情数据库,对所选表情数据集进行数据增强,扩展了表情库,并进行了归一化等一系列预处理。(3)构建了VGGNet和ResNet网络模型,引入了小卷积核结构,设计了ECNN网络模型。进行了对比实验,探讨了网络深度、网络结构及图片数据等因素对识别效果的影响。(4)依据设计的网络模型,建立了表情识别系统,可自动识别人脸表情并显示分类结果,展示了网络识别效果。