随着深度学习的快速发展,人的面部表情研究成为了一个热点研究话题。表情识别属于模式识别领域,对国防安全,儿童教育,心理学有着重要的应用价值。为此,人们一直期望能够通过机器准确地识别人脸表情。同时面部表情作为最有力的社交信号之一,在日常生活交流中能够帮助理解对方的内心情感。然而在人类的基本表情中,微笑是人类内心喜悦的体现,微笑也是人类交流中最常见的表达方式之一。微笑检测作为基本人脸表情中一项特定工作,在心理学还有人的行为分析方面有着巨大的潜在应用价值,同时微笑检测对孤独症患病儿童的早期干预和诊断尤为重要。为此针对上述问题,将展开对二分类的微笑检测和七分类人脸表情识别算法的研究以及七类表情识别系统的搭建,本文的主要工作如下:(1)建立儿童微笑表情数据库。详细介绍了儿童微笑表情数据库的建库流程,对网络爬虫、人工标注、图像预处理等操作进行详细介绍;从网络爬虫的大量图片,经过专业的人工标注和图像预处理之后,从中挑选了2804张儿童表情图片,其中儿童笑脸有1445张,非微笑有1359张,最后完成建库工作。(2)儿童微笑表情识别的研究。目前国内外公开的儿童笑表情数据库寥寥无几,由于多数微笑表情库是包含成人,成人面部表情特征和儿童面部特征有所差异,无法直接应用于儿童笑脸识别;因此采用基于VGGNet网络、改进的BRNet网络、基于迁移学习的残差网络,三种儿童微笑表情识别方法。通过实验对比分析,其中ResNet网络采用迁移学习技术运用到二分类的笑脸识别中,克服了训练数据库不足的问题和随着网络层数的加深产生梯度消失的问题。ResNet网络在准确率和性能上都超越了传统的方法和经典的深度卷积神经网络。(3)面部表情识别系统的设计。将论文中的理论研究应用于实践,搭建和优化6种卷积神经网络,并在人脸表情库(FER-2013)上训练人脸表情识别模型,对人类七类基本表情进行识别,搭建面部表情识别系统,该系统演示界面简洁,交互友好,易于操作。面部表情识别系统在安防领域,对人脸面部的表情就像实时监控,可以对危险人员以及重要地点的可以人员进行监控,如有紧急事件发生,可以快速做出应对措施。