面部表情识别主要是指通过利用计算机对检测得到的面部表情进行特征的分析提取以及对面部表情进行分类识别,使计算机可以按照正常人的心理思维对面部表情进行识别和相应的分析理解和综合处理,满足人们在不同应用场景下的需求,建立更加智能化的一种人机交互环境。21世纪以来,计算机和人工智能以及他们的相关技术迅速发展,人类对计算机的认识和要求也越来越高。人们不仅希望计算机可以像人类那样,会听会说会看,还迫切地希望计算机可以更好地理解和表达一些属于人类自身的想法,更加智能化,从而帮助人们更快速便捷地完成工作。本文以进一步提高面部表情识别的准确性为主要研究目标,对基于深度学习方法的面部表情识别算法展开了一系列的探索和研究,为构建更有效的视觉特征服务提供了理论基础分析和相应的技术基础支撑,并构建了一套面部表情识别系统。本文的主要研究工作内容如下:1.本文提出了一种基于网络重构改进的SSD面部表情识别算法。在原始网络模型SSD目标检测算法的基础上,为提高SSD目标检测算法对于表情图像特征的提取能力,对SSD网络检测模型进行重构,保留特征提取效果较好的卷积层,利用卷积神经网络的特征可视化分析技术,对SSD网络模型进行卷积层的特征可视化分析。对于给定的图像输入,展示出网络模型中各个卷积层的特征可视化图像,并通过实验对结果进行分析来验证表情识别算法的有效性。2.本文进一步提出了一种基于中心损失函数改进的SSD面部表情识别算法。针对SSD目标检测算法损失函数中Softmax Loss只能对不同表情类别提取到的特征分类进行约束,而没有具体对同种表情类别提取到的特征进行约束的问题,在本文第三章所设计的基于网络重构改进的SSD面部表情识别算法的基础上,加入中心损失函数,对同类表情的特征分类进行约束,从而改进表情特征的分布情况,使同一类别的表情特征更为容易聚合,不同表情类别的特征更为容易分离,从而提高表情特征的判别准确性,并通过实验和对比分析来验证表情识别算法的有效性。3.本文设计了一套面部表情识别系统。该系统基于本文提出的面部表情识别算法训练生成的模型进行面部表情的识别分类,通过PyCharm和Qt designer设计了面部表情识别UI界面,系统界面可以实时显示表情识别结果和检测耗时,能够满足表情的实时识别。