人脸表情识别作为研究热点之一,已经被广泛应用于自动驾驶、网络社交、课堂教学等领域。人脸表情识别涉及多学科的交叉融合,如计算机学、生物学、心理学等,是一个具有价值的研究课题。由于表情存在微妙性,人脸所表现的表情不易区分,因此人脸表情识别仍是一大难题,同时本文主要关注的是视频数据,相比于单帧图像更为复杂。因此,基于以上问题,本文在传统VGG-16+LSTM网络框架的基础上进行优化设计,旨在提高视频人脸表情识别的准确性,具体工作内容如下:（1）针对传统网络提取表情特征不准确的问题,本文提出了特征增强卷积网络（Feature Enhancement Convolutional Networks,FECN）,从单帧特征增强和帧间特征增强两个角度进行研究,达到提高视频表情识别准确率的目的。首先,在VGG-16中间层外延一个7×7卷积层运算用于提取浅层人脸表情特征,并与深层特征融合增加人脸表情空间信息;然后,在VGG-16最后层应用扩张率为2的空洞卷积,在增加卷积运算感受野的同时降低信息损失;接下来,利用Squeeze-Excitation机制给人脸表情特征通道赋予权重,提升人脸表情单帧特征的准确性。最后,引入Self-attention机制,根据视频帧之间的相关性给视频帧赋予权重,提升人脸表情多帧特征准确性。该理论思想在AFEW数据集、CK+数据集、SFEW数据集、FER2013数据集上进行了验证比对,证实了模型优越性。（2）针对特征增强卷积网络中大卷积块网络参数过大,训练时间长的问题,本文将Inception策略应用到特征增强卷积网络中,提出降参型特征增强卷积网络（Reduced Parameter Feature Enhancement Convolutional Networks,RPFECN）,达到降低网络计算参量、提高视频表情识别准确率的目的。本文在基础Inception模型上又做了两种变形,分别在AFEW数据集、CK+数据集、SFEW数据集、FER2013数据集上进行实验仿真,证实了RPFECN网络不仅可以降低网络参数量同时还能够提高人脸表情识别的准确率。（3）针对特征增强卷积网络中帧间注意力机制不适合处理长序列且信息提取不丰富的问题,本文采用transformer中多头注意力机制代替帧间注意力机制,并针对因注意力权重赋予偏差造成信息丢失问题提出了多头先验注意力机制（Multi-Head Prior Attention Mechanism,MHPAM）。该模型在AFEW数据集、CK+数据集上进行了仿真验证,证实了MHPAM能够提高人脸表情识别的准确率。