服务机器人传统机械化的人机交互难以满足人们日益增长的美好生活需求,当今情感交互已经成为机器人领域的一个重要研究方向。梅拉宾法则指出人们在日常的交流中约有55%的情感信息通过表情流露出来,所以表情识别技术的研究对建立友好的人机情感交互有着重要意义。本文针对大多数服务机器人缺乏基于人脸表情的情绪认知能力和情感交互能力,在表情识别技术及其在服务机器人上的应用展开了深入研究,主要研究工作如下:首先,针对机器人对人脸表情进行认知计算缺乏理论模型支撑的问题,通过对人脸表情的生理学基础和人脸表情的分类描述模型阐述了人脸表情描述模型,将人类的认知计算和视觉认知原理类比迁移到机器人上,在此基础上建立起机器人对人脸表情认知计算的理论模型。其次,针对基于深度学习的表情识别技术缺乏系统方案设计的问题,从表情识别算法的深度学习模型构建、模型训练和模型推理三个部分依次进行系统方案设计。在模型构建中部分选定深度神经网络模型的基本框架和选定构建深度学习框架工具;在模型训练部分选定合适的数据集进行预处理,并阐述模型训练的机理;在模型推理部分搭建图像采集平台,再对图像进行人脸检测、人脸图像裁剪和归一化等预处理,输入训练完毕的模型进行推理后即完成表情识别系统方案设计。然后,针对高精度深度学习模型参数量和计算量过大、占用内存大和训练时间长等常见问题,基于轻量型深度卷积神经网络来构建机器人的表情识别算法模型。先基于经典卷积神经网络结构微调后搭建不同的表情识别算法模型,再借鉴各种网络模型的优点设计搭建轻量型深度卷积神经网络模型,将模型训练后的结果通过相关参数指标进行对比分析,得出可用于机器人表情识别系统的最优表情识别算法模型。最后,针对在服务机器人上缺乏人脸表情识别技术应用的问题,设计并实现了机器人的情感交互系统。在商场中的应用场景的前提下,开发了服务机器人表情识别系统后台的UI交互界面,并结合语音交互策略实现了人机情感交互。本文研究结果表明,建立的机器人人脸表情认知计算理论模型为实现表情识别提供了切实依据,设计的表情识别算法模型在减轻计算量和参数量同时也能保持较高的识别精度,开发的表情识别系统能够准确识别和显示多个人脸表情识别结果,最终服务机器人能够实时地进行表情识别并提供情感交互。