在物联网(The Internet of things,IOT)盛行的今天,人脸身份识别应用已经很成熟,但是面部表情识别的应用仍然空白,如果面部表情识别能应用到物联网,给计算机赋予感情,这才是真正的物联网时代。人脸面部表情识别更是智能人机交互技术中的一个重要组成部分,也是人工智能、模式识别等领域的研究热点。近年来受到各个学科领域的研究者们广泛的关注,涌现出了出了很多新的方法。本文对国内外近年来面部表情别技术的发展状况做了简单的介绍,对面部表情识别系统中用到的主要技术都依次做了详细的分析和归纳,在面部表情识别系统中用到的主要技术有面部特征提取和面部表情识别分类。最后,对面部识别表情的研究过程中需要考虑的问题进行了总结,并对其未来的发展方向进行了展望。本文分析总结了在面部表情识别中特征提取和识别分类中的一些重要方法,并结合深度学习的方法和传统的一些识别方法提出了新的识别方法,最后用实验进行了验证。本文的主要工作如下:深度信念网络是深度学习模型中最具有代表性的方法之一,深度信念网络具有无监督学习的特点,但是不具备识别分类的能力,所以本文提出一种深度信念网络和多层感知器相结合的面部表情识别新方法。该方法摒弃了人脸检测,图片预处理和提取特征的繁琐步骤,首先采用深度信念网络对原始面部图像的初级特征进行无监督学习,得到更高层次的抽象特征,经过深度信念网络的多次预训练和微调,最终选择最优的模型,然后将其每层的权重值和偏置用于初始化多层感知器模型中的隐层网络权重值和偏置,最后利用多层感知器实现面部表情的分类。该方法在JAFFE图像库中最好的面部表情正确识别率为91.25%;在dataSet图像库中,取得了最好88.57%的正确识别率。这种基于深度信念网络的方法与其它识别方法相比,该方法的识别正确率明显最高。由此可见,本文提出的此方法用于面部表情识别,可以很大程度上改善面部表情识别性能。