表情作为一种传达信息的方式,在人类交流中起到了重要的作用,对人脸表情进行研究可以更好地理解人类的心理活动和情绪状态。人脸表情识别在安全、驾驶领域、医生诊断、教育等方面有着广泛的应用。目前,图像中的人脸表情识别技术得到了广泛的研究,然而表情是一个动态变化的过程,视频中人脸表情识别更能体现表情变化的真实情况。视频中人脸表情识别有三个关键性问题:第一,现有视频人脸表情识别研究工作主要应用于商用领域或竞赛,因此该领域相关研究机构以大型企业为主,也因为商用的原因而没有公开代码,必须从头搭建整个网络;第二,需要同时考虑视频帧的静态人脸表情特征提取和帧间动态时间特征的提取;第三,视频表情数据集存在数据分布不均衡和小样本数据问题。针对以上问题,本文提出了结合全局和局部时域的视频人脸表情识别模型,并在此基础上引入迁移学习算法解决了数据集存在的问题。本文主要的工作和创新点如下:（1）本文提出了一种结合全局和局部时域的视频人脸表情识别模型,整个模型分为全局时域信息提取、局部时域信息提取和加权投票三个模块。在全局时域信息提取模块,使用二维卷积神经网络结合循环神经网络同时提取视频序列的表情特征和全局的时间特征。在局部时域信息提取模块,使用三维卷积神经网络同时提取视频帧序列的表情特征和局部时间特征。在加权投票模块,对其它两个模块的输出结果进行加权投票,从而达到更好的识别结果。通过在CK+数据集和AFEW数据集上进行实验,本文提出的结合全局和局部时域的视频人脸表情识别模型分别达到了94.19%,和46.71%的识别准确率。（2）针对视频人脸表情数据集存在的数据分布不均衡和小样本数据问题,在结合全局和局部时域的视频人脸表情识别模型的基础上引入迁移学习算法,整个模型分为基于网络的深度迁移学习模块、基于映射的深度迁移学习模块和加权投票模块三个模块。在基于网络的深度迁移学习模块,对模块中的网络先使用VGGFace2和Image Net数据集进行预训练,将训练好的网络结构和参数迁移到视频人脸表情识别问题中,再用AFEW数据集对网络进行微调。在基于映射的深度迁移学习模块,将源域和目标域数据集通过三维卷积神经网络提取到的高层特征映射到高维空间进行适配,从而增加高层特征的可迁移性。通过在AFEW数据集上进行实验,在模型中加入迁移学习方法可以解决数据中存在的数据分布不均衡和小样本数据问题,识别准确率提高到了59.11%。