随着互联网时代的到来,人工智能行业成为了国家经济和科技的引领行业,其中通过面部情绪的人工智能识别已经成为当前社会的一个研究热点。根据现阶段的研究发现,用户在相互交流的过程中,绝大多数信息都是借助表情这个媒介进行传达的,用户在进行表述的同时,面部表情也会发生相应的变化,因此,可以利用用户的面部表情变化进而来识别用户的情感变化趋势。情绪可以用肉眼看不见的许多不同形式表示。使用正确的工具,可以检测和识别人脸的面部情绪。在过去的几年中,对人体情绪检测的需求正在增加。情绪识别开始广泛应用于人机界面、动画、医学和安全性等领域。本文在面部情绪识别的基础上研究与实现了对面部情绪识别的系统,将微运动和宏运动功能相结合,提出时空双流网络来改善视频情绪识别。该网络集成结构捕获了有关微观和宏观运动的信息将有益于情绪的相关预测,即较小的和较短的微运动通过双流网络进行分析,而较大的和较持久的宏运动可以通过后续的递归网络很好地捕获。针对面部情绪识别系统的设计确定系统的体系结构为B/S架构,并对系统的总体框架、功能结构及功能实现的总体流程进行设计。根据系统流程,设计了相关的数据库结构和功能。在对人脸进行情绪识别之前,首先对本文用到的Aff-Wild数据集进行预处理,接着将处理后的数据集传入时空双流网络中进行情绪识别。本文提出的时空双流网络采用深度学习框架,训练过程为时空双流并行运行。在时间流中,选用帧间相位差替换光流作为时间流的输入,并将一系列灰度图像馈入到时间流的可控金字塔模型中,同时将预处理后的RGB图像传入空间流改进的Res Net50网络中进行处理,通过时空特征的融合提高了面部情绪识别的能力。基于本文时空双流网络情绪识别的系统,首先搭建了系统服务器,配置系统所需要的硬件和软件环境,完善系统的各项功能模块,并将系统部署于本地的服务器上,测试了系统的功能性和稳定性两个方面,最后对人脸面部情绪识别系统进行了成功的调试。经过对面部情绪识别系统的测试,验证出该系统可以很好的完成设计中的各项需求。面部情绪识别系统可以从本地上传视频、上传单人照片、多人照片进行识别,也可以对人脸进行实时的情绪检测并在屏幕输出结果。另外可以通过B/S系统对用户信息及系统信息进行管理。该系统经过测试后各模块均达到理想效果。