在社交语言中,除了自然语言和肢体动作,人脸表情可以表达出很多自然语言与肢体动作所不能表达的情感。它不仅仅意味着是一种表情,更是一种无法掩饰的心理状态。基于以上缘由,表情识别在人机交互、医疗甚至是公共安全都有着非常重要的研究和应用价值。虽然目前研究人员设计出了一些行之有效的特征提取的办法,但是仍旧存在着一些亟待解决的难题。不过随着近几年深度学习在各个领域的取得了骄人的成绩,特别是卷积神经网络在图像识别和检测等领域展示了无与伦比的优势,这给实时人脸表情识别带来了希望。本文选取深度学习中的并行卷积神经网络模型对人脸表情进行识别,主要进行以下工作:(1)设计一种并行卷积神经网络,该网络由两个子模型并行构成。在训练过程中,把两张图片分别送入两个子网络模型,来确保网络所学习到的特征对人脸表情识别有积极的意义。而在网络的测试时期,把图片输入到一个单独的卷积神经网络中,然后生成对图片的预测。(2)设计适用于人脸表情识别的模型。通过借鉴Inception model设计出适用于人脸表情识别的模型,相较于传统的卷积神经网络模型,例如AlexNet、Google Net等,它有更小的计算量,使实时识别成为可能。(3)设计损失函数,使它在识别不同个体但是表情相同的时候,拥有较低的损失率,降低不同个体的人脸对表情识别精度的影响。本文是在Fer-2013数据集上进行训练和测试,通过最后的实验结果,本文取得了69.9%的准确率,超过了其他方法在此数据库的识别率。