随着信息化社会和图像识别技术的发展,微表情得到了越来越多的关注。作为一种持续时间极短,不受心理控制的微小表情,它在很多方面有别于传统的人脸表情。近些年微表情呈现出了越来越重要的应用前景,在国家安防,社会维稳,司法审讯等方面体现出其特有的优势。尽管微表情的发展越来越迅速,但由于微表情自身特点,微表情的捕捉并不是一件容易的事情,采集工作较为复杂、人工编码成本较高等诸多原因导致了微表情数量的匮乏;而样本的稀少又限制了微表情识别的发展。随着研究的深入,人们迫切希望建立一个高质量,高标准的微表情数据库,并且希望提出一种新的微表情识别方法,能够更加高效的识别微表情。针对上述问题,本文分析了微表情数据库的特点,总结了前人的工作成果,综合了不同的实验方法,建立了目前样本数量最大的SDU微表情数据库;为了有效的提升微表情识别工作,本文还设计了从宏表情到微表情的迁移学习模型。本文的主要工作和创新点包括以下几个方面:第一,建立一个数量较大的微表情数据库。该微表情数据库共有30个对象共计300个样本,提供了较为丰富的微表情样本。第二,针对微表情样本普遍较少,标签信息不完善的情况,我们提出了一种从宏表情到微表情的迁移学习模型,并引入了多特征和多任务的思想,期望使用丰富的宏表情信息建立一个可靠模型,并把知识理论迁移到微表情的识别中,在本文中给出了详实的实验结果,充分证明了算法的可靠性,并通过比较证明了自主建立的宏-微表情数据库有着明显的改进。