表情作为一种重要的人脸属性,在人机交互、娱乐聊天、智能机器人和心理犯罪等领域都有着非常广阔的应用前景。人脸表情识别作为一种重要的生物特征识别技术,目前已经成为模式识别和计算机视觉领域的一个热门研究课题。人脸表情识别问题是指采用计算机视觉领域的相关技术根据输入的人脸自动识别出其所对应的表情类别。虽然大量的研究者为解决表情识别问题付出了艰辛的努力,但是该问题远远没有得到解决且仍面临着许多严峻的困难和挑战。首先,表情是一个连续的动态变化过程,同一表情序列根据表情强度的不同可分为显著表情和微弱表情,由于不同类别下的微弱表情差异较小,因此很难用人工设计的有效表情特征来刻画;其次,不同人的外貌各不相同,且不同类别之间的表情却有很多相似之处。为了尽可能地减少不同人的外貌对表情所带来的干扰,准确刻画并提取出同一类表情中的动态过程就至关重要。如何充分利用同一类表情动态变化中的各种有效的时序特征来识别该表情的问题也受到了越来越多的关注;最后,表情识别技术如何落地,如何在现实生活中产生相应的价值,也是一个非常具有前景的话题。针对上述问题,本文提出一系列算法,其主要工作和贡献概括如下:提出了一种深层级联峰值导向网络算法。本文基于微弱表情识别提出的深层级联峰值导向算法具有以下几个优势:(1)嵌入的峰值导向迁移算法能够利用峰值表情特征(容易识别)来监督非峰值表情特征(很难识别);(2)设计的反向传播算法可以在网络训练迭代的过程中,让中间层的非峰值表情特征去接近峰值表情特征;(3)一种新颖的级联微调训练法被用来防止网络在训练的过程中过拟合。本文在两个通用的表情数据集上验证了该模型的有效性。提出了一种时空卷积特征的嵌入长短期记忆网络算法。该算法可以同时学习到表情动态变化过程中时空卷积特征和多尺度的多级卷积特征。本文在四个通用的表情数据集上验证了该模型的有效性。设计出一种快速高效的实时表情识别系统。将基于多任务级联卷积神经网络的人脸检测与关键点定位算法集成至该系统中。实时表情识别模块采用第二章提出的Inception-W算法作为内部集成算法,能够对检测到的人脸图像同时进行实时的表情强度识别和表情类别识别。