面部表情能自然而高效地反映人们的心理活动和思想状态,在诸多智能化应用中,人脸表情识别（Facial Expression Recognition,FER）是人类与机器间建立起情感交互的重要基础。FER在个性化推荐、社交应用、医疗健康、自动驾驶等诸多新兴交互系统中具有良好的应用价值。近年来,深度卷积神经网络（Convolutional Neural Networks,CNN）技术取得长足发展,这为FER的研究提供了行之有效的工具。本文基于CNN的基础架构,对CNN网络的特征提取阶段和融合决策分类方法进行研究,旨在提升表情识别的准确率、提高网络的鲁棒性,本文的主要工作如下:1、介绍FER任务面临的挑战以及自动人脸表情识别系统的实现方法;概述了FER主要改进方向及国内外研究现状及CNN算法的相关理论基础,并在此基础上分析了当前FER领域领先模型的技术路线。2、针对特征提取网络对于表情产生关键区域关注不足导致的细节特征信息丢失问题,本文将词频-逆文档频率和空间金字塔注意力机制相结合,构建词频-逆文档频率空间金字塔注意力模块（Term Frequency-Inverse Document Frequency Spatial Pyramid Attention,TF-IDF SPA）,调整网络对表情产生关键区域的注意力分布,强化对表情产生关键区域的特征提取能力。在使用TF-IDF SPA注意力模块嵌入CNN堆叠训练网络后,本算法在FER2013和CK+数据集上分别达到73.52%和98.27%的识别准确率,在识别准确率上达到了具有竞争力的水平,优于使用SENet、SPANet等注意力机制嵌入网络时取得的效果。3、针对单一分辨率卷积神经网络对表情识别的局限性,引入基尼指数改进用于多分辨率CNN网络的动态加权决策算法,对含有多个输入支路的网络进行融合决策。所改进的基尼指数动态加权决策算法（Gini-index Dynamic Weighted Decision,GDWD）首先使用TF-IDF SPA注意力嵌入HRNet搭建3个不同分辨率的支路,分别进行Softmax分类后将输出结果构建成概率矩阵,接着计算概率矩阵的基尼指数高低,根据基尼指数动态地调整各支路的输出权重,自动提高分类确定性高、性能好的支路权重值,降低分类性能差、确定性低的CNN支路权重值,避免由于单路CNN分类不确定性引起的偶然误差,提高多支路输入网络融合决策的准确性。最终,使用TF-IDF SPA嵌入HRNet训练模型后,使用基尼指数动态加权决策算法进行分类,识别准确率在FER2013和CK+数据集上较HRNet分别提升了4.41%和3.66%,与多个新型的人脸表情识别模型对比,该方法在识别准确率上达到了领先水平。