面部表情识别技术是人机交互领域的研究热点之一,已广泛的应用在远程教育、智能驾驶等领域。尽管面部表情识别技术已取得诸多成果,但是在实际应用场景中仍然存在许多挑战,如复杂多变的光照条件、不同遮挡程度的面部表情等。为了给出具有较强鲁棒性的人脸表情识别方法,许多学者将神经网络应用于表情识别并取得了好的识别效果。本文对基于神经网络的静态图像和图像序列表情识别进行了研究。（1）对静态图像的人脸表情识别研究,选择DenseNet121模型进行人脸表情识别研究,提出了一种多尺度注意力机制的DenseNet模型。首先,针对DenseNet121模型网络层数过深,网络参数量过多,将DenseNet121模型中的四个稠密块改为三个稠密块且对稠密块中的卷积块个数进行一定程度的简化。其次,针对输入大小为48×48×1的图像,不同于DenseNet121模型采用7×7的卷积核提取图像表情特征,本文引入了多尺度卷积核,提取输入图像的多尺度的特征,比提取单尺度的特征更有利于后续的表情分类。另外,针对DenseNet121模型网络层数的加深,提取出的特征向量在通道维度上不断扩展,在空间维度上被不断压缩,获取不同通道特征向量对后续表情分类的贡献率比区分出不同空间维度特征向量对表情分类的贡献率更有价值,故在DenseNet121模型中插入了通道注意力模块MECANet。在CK+数据集和Fer2013数据集上实验表明,较DenseNet121模型而言,改进后的DenseNet模型在静态图像的表情识别准确率得到明显提升。（2）对图像序列的人脸表情识别研究,充分考虑了图像序列全局时域信息和局部时域信息的重要性之后,提出了一种多网络融合模型。该网络模型包含三个模块:提取图像序列全局时域信息的MECA-Inception-Res Net+Bi LSTM模型,提取图像序列局部时域信息的3DMECA-Conv Net模型和软投票融合策略模块。在CK+数据集和Oulu-CASIA数据集上的实验证明,通过提取图像序列全局和局部时域信息,结合新的判决策略进行人脸表情识别,取得了比单一网络模型更佳的识别准确率。