目前人机智能交互是国内外研究的热点,智能的交互方式将重新定义人类与机器人的关系,使人们的生活发生巨大的改变。在人机交互中,若机器人能够富有感情的与人类进行沟通,并像人类一样拥有观察、理解和生成各种情绪特征的能力,将会使人机交互变得更加自然。情绪信息的主要获得途径为面部表情、语义语调、肢体姿势等几个方面。本文以机器人NAO为应用平台,将深度学习和机器人结合,构建了一种基于深度分离卷积的能够根据面部表情识别实时进行肢体情绪反馈的人机交互系统。主要的创新性研究工作如下:（1）在人机交互通讯方面,采用人机交互体系服务器-客户机的分布式结构,实现了服务器端-socket-LAN-socket-客户机端的通信方式,完成了交互信息的收发和处理,增加了系统的实时性。（2）在卷积神经网络模型构建与测试中,引入深度分离卷积算法对人脸表情（恐惧、惊讶、高兴、中性、悲伤和生气）进行特征提取和分类,结果表明通过训练得到的网络模型,对FER2013人脸表情测试集的预测正确率可以达到71.1%,对单张表情图片的平均预测时间在20ms以内;（3）在机器人情绪表达设计与验证中,根据NAO机器人关节自由度范围及眼部LEDs颜色分布,为NAO机器人设计了对应六种面部情绪的肢体情绪动作,经测试验证,对机器人肢体情绪表达的识别率达到了60%;（4）在人机交互系统测试与评价中,给出了人机交互的交互模式,并对机器人实时的交互效果进行了实验验证,在每组交互实验中对连续10帧预测结果进行了统计分析,实验表明,平均交互总时间为0.079±0.010s,连续测试的表情得分比较稳定,机器人对人类的情感预测可信度较高。本文对机器人情绪感知与表达的人机交互系统进行了研究,可用于以人机智能交互为基础的康复医疗、情感陪护等领域,是未来人机交互智能化的重要发展趋势。