为进一步提高表情识别准确率,本文提出一种结合局部二值模式(LBP)和梯度特征的双通道卷积神经网络表情识别算法。首先对采集得到的图像进行预处理并生成对应的梯度图像和LBP图像。针对单一特征对人脸信息表征不全面的问题,将特征提取网络分为两个通道,通道一输入梯度图像,提取人脸结构特征,从而更好的对人脸的全局信息进行描述,且对光照变化具有良好的鲁棒性;通道二输入LBP图像,提取人脸纹理特征以保留对五官边缘、亮点等微小特征的敏感性,两个特征相互补充,能够更加全面高效的对人脸特征进行表征,进而提高表情识别的准确率。最后通过加权特征融合网络对两种特征进行融合并利用Softmax对表情进行分类。经过在CK+、FER2013和Oulu-CASIA数据集上进行实验,分别取得了96.1%、75%和90.1%的平均识别率。所提出的方法能够以较高的准确率识别6种基本面部表情,与单通道表情识别算法相比取得了更高的识别准确率;相比于其他双通道卷积神经网络,能够以较简单的网络结构取得较好的识别效果。