在大数据和人工智能大发展的背景下,人脸识别已经得到了较好的进展,各种算法能够以较高的识别率识别出图像中的人脸。在理论基础研究上有了进步以后,人脸识别在各种场景都得到了一部分的应用。可是随着应用的深入,人脸识别显示出了一定的局限性,比如实际场景除了识别人脸外还希望得到受测人的某些更深入的信息,比如性别、大概年龄段或受测试时的表情等等。其中人脸表情识别技术领域有着广阔的使用场景和市场空间,包括人机交互、智能控制、公共安全、智慧医疗等产业。本文针对智慧医疗中人脸表情识别技术应用的需求,设计了一个人脸表情识别系统。该系统能对即时采集的图片进行检测,判断是否存在人脸,若图片有人脸则对脸部表情进行分类,实现人脸表情的识别功能。本文主要研究内容如下:1.非限定情况下的人脸检测主要介绍了在检测人脸算法中归一化的像素差异特征的原理及应用,通过AdaBoost算法来挑出最有区分度的特征并组成一个强分类器,实现非限定情况下的人脸检测功能。2.人脸表情识别的特征提取列举了各种基于静态图像的表情特征提取方法和基于动态图像的表情特征提取方法,然后对各种表情特征提取算法进行分析比对,从其中选择鲁棒性和准确率都更为突出的卷积神经网络算法作为本系统对人脸表情识别的特征提取算法。3.人脸表情识别算法研究及实现介绍了网络共享的表情数据库,根据本系统应用场景的分析制作表情数据库。通过使用卷积神经网络模型来提取人脸表情特征,对人脸表情进行分类识别同时保证低耗时和防止过拟合。4.人脸表情识别系统的实现、优化与测试实现了系统受检测端和监控端的各种功能,并联系应用实际分析了传统表情识别方法效率差得问题,通过本系统的卷积神经网络优化方案解决精度低、鲁棒性弱和耗时长的问题,能够适应智慧医疗实际应用场景的需求。在本论文最后总结了人脸表情识别系统的研究成果与其中的创新点,在讨论课题研究不足的基础上探讨了未来的发展方向。