近年来,在生物特征识别技术的推动下,人脸表情识别逐渐成为一个研究的热点。人脸表情识别可用于人机交互、安全驾驶、辅助医疗和在线教育等应用场景。表情识别的方法包含两个核心的步骤:表情的特征提取和分类。目前,深度学习的方法将这两个步骤合并,自动地学习表情相关的特征并分类,取得了显著的识别效果。由于人脸表情的数据集较少,大多数表情识别网络结构设计简单且通常以静态的表情图像作为研究对象,忽略了表情的动态特性。而表情的序列图像可以提供丰富的与表情变化有关的纹理信息和运动信息,具有重大的研究价值。现有的表情识别方法从研究对象的角度可以分为两类:基于静态图像和基于视频序列的方法。针对静态图像表情识别,本文提出了一种基于Inception结构的深层卷积神经网络结构。与传统的采用手工设计特征的方法相比,该方法利用深度卷积神经网络提取人脸表情的关键特征,更加地合理和有效。此外,针对人脸表情训练样本较少的问题,本文对网络采用了多次微调的训练方法,防止网络出现过拟合的现象。针对视频序列的表情识别,本文提出了一种卷积神经网络和循环神经网络的融合模型。该网络模型主要包含三个部分:空间特征提取网络,时序信息提取网络和双向长短期记忆网络(BiLSTM)。给定一个表情图像序列,空间特征提取网络从每个视频帧中提取表情的空间特征。同时,时序信息提取网络以一对连续帧作为输入提取表情的短期时序特征。最后,将两个卷积神经网络所提取的特征融合作为BiLSTM网络的输入,得到人脸整体形态在时间序列上的变化信息,从而进行表情识别。同时,该网络模型是一个端到端的学习网络,两种表情特征可以相互补充实现较好的分类效果。本文在CK+和Oulu-CASIA数据集上验证针对静态图像的表情识别的方法。实验结果显示,本文所提出的深度卷积神经网络和训练方法可以提高识别的准确率。针对视频序列的表情识别,本文在CK+、Oulu-CASIA和MMI数据集上进行实验。实验结果表明,融合的网络模型可以有效地提取表情的空间特征和时序信息,提高了表情识别的准确率。