最近几年,随着智慧城市的发展,人机交互的需求越来越高,人脸表情识别为实现人机交互提供可能,但是在实际人脸检测场景中,采集到的动态人脸样本存在遮挡情况,人脸表情识别的精度不是很理想,因此本文针对真实复杂场景下的动态人脸表情有遮挡问题进行相关研究,主要研究内容如下:本文针对对动态人脸表情识别中存在的遮挡问题,提出针对性解决对策。构建了遮挡人脸表情识别模型,以卷积神经网络VGG16为基础,设计遮挡判定单元,加强对未遮挡区域或者是遮挡部分较少的区域的表情特征提取力度;结合残差网络获取全脸特征,防止被遮挡区域信息丢失。该模型可以有效提升遮挡人脸的表情识别准确率。本文针对动态表情序列的分段和关键帧的获取方法,提出一种新的基于SSIM算法的动态序列分段规则,用于对动态表情序列进行分段,并提取每一个表情序列的关键帧;并且建立了动态表情序列数据库,通过人工标注和实验结果对比,对提出的算法规则进行实验测试,最终得到令人满意的效果。在识别动态人脸表情的过程中,本文充分关注到动态人脸表情中的时序信息,使用GRU网络进行时序信息的提取,并与遮挡感知系统进行融合,提升动态表情识别系统对遮挡的表情识别准确率,让其在真实场景中应用性更强。