面部表情蕴含着丰富的情感和行为信息,可以直观地反映出人的情绪和心理活动。表情识别技术在安全驾驶、临床医学、智慧教学等领域有着广泛的应用,已成为计算机视觉研究中的热点。传统基于欧式空间的表情特征提取方法将图像作为标准的网格类型数据处理,虽然能有效地提取表情的时间和空间特征,但忽略了面部图像中的丰富的结构和关联特征,从而导致其特征表达能力有限,不利于于进一步提升对人脸表情的识别效果。论文结合与重庆某汽车厂商合作的一体化智能数字座舱项目需求,研究基于面部结构关联特征的人脸表情识别方法及其在嵌入式GPU平台实现,主要研究工作及成果如下:（1）针对基于欧式空间的表情特征提取方法不能充分利用人脸表情图像的结构和关联特征,识别准确率较低的问题,提出了一种基于像素矩阵图卷积的轻量级人脸表情识别方法。该方法首先将选定的图像像素和像素间欧式距离建模将静态图像数据转化为图结构数据。随后,采用多层图卷积神经网络对输入的图结构数据进行特征提取,获取表情图像像素间的结构和关联特征。最后,使用Softmax分类器对提取的特征进行分类。通过在多个数据集上进行实验和对比分析,结果表明基于像素矩阵图卷积的人脸表情识别方法可以在较少的网络参数量下获得高的识别精度,有利于部署于嵌入式边缘设备。（2）针对仅在单帧图像使用结构和关联特征进行表情识别,无法获取表情的动态特征,存在表情信息缺失的问题。论文基于人脸几何拓扑结构,将外观特征提取算子、图卷积神经网络和长短时记忆网络相结合,提出了一种基于局部特征图卷积的序列表情识别方法。该方法能同时提取和融合表情的外观特征、不同面部区域间的结构关联特征和表情序列间的时间特征,进而获得更具判别性和泛化性的情感特征。实验结果表明,论文提出的基于局部特征图卷积的表情识别方法在CK+和Oulu-CASIA数据集上识别准确率分别达到98.21%和77.75%,进一步提升了人脸表情识别性能。（3）论文结合一体化智能数字座舱项目需求,基于NVIDIA Jetson tx2嵌入式平台设计和实现了人脸表情识别系统。经测试,所设计的系统在驾驶舱环境下对表情的识别准确率率达到90%,平均识别时间为54 ms,较好地满足了应用需求。