人脸表情识别任务分为基于静态图片的人脸表情识别和基于视频序列的表情识别。本文研究基于视频序列的人脸表情识别。首先,本文提出了一种基于混合表达输入的统计特征提取与分类算法。该算法的创新之处在于,利用在静态表情数据库上训练好的表情识别模型提取视频中的序列图片特征,然后计算特征的统计信息,利用Linear SVM分类器对统计信息进行动态表情分类。此外,本文还提出了一种混合表达的网络输入模式,该输入是由预处理后的人脸灰度图片和人脸LBP图谱合成的,该混合表达不仅保留了原始图片的细节信息,同时强调了人脸表情实现的关键区域信息,更有利于表情识别。为了更好的利用表情视频中的时序特征,本文提出了一种端到端的深度时空人脸表情识别网络FP-VGG-GRU,充分考虑不同网络层级的特征对表情识别的贡献。该网络结构简单,易于扩展,且具有较好的动态表情识别效果。最后,本文利用加权投票机制下的模型融合方法,结合人脸表情图片的空间信息和视频的时序相关信息,完成视频序列的人脸表情预测。在模型训练的过程中,本文主要利用Softmax loss和隔离损失(Island loss)学习人脸特征表示,分析了动态调整不同损失函数的比重对提升表情识别效果的重要性。同时,本文提出了一种序列重排序的数据增强方法,用以提升算法性能。本文在动态表情数据集AFEW7.0上进行实验,实验证明,本文提出的融合模型取得了较好的表情识别效果。