随着“人工智能+教育”的发展,利用表情识别技术对学习者情绪进行识别成为最直接有效的方法。面部表情识别（Facial Expression Recognition,FER）作为计算机视觉和智能化人机交互领域中一个重要组成部分,近年来得到广泛的关注。面部表情的特征表示直接影响识别效果,传统的特征提取方法难以提取出人脸表情中深层次的特征,而深度卷积神经网络能够获取人工难以提取的特征,但其存在消耗大量计算时间和内存的弊端。因此,复杂的课堂环境对有效的模型提出了更为苛刻的要求。针对以上问题,本文研究了基于深度学习的面部表情识别方法,首先,详细介绍了深度学习中典型的卷积神经网络原理和基础模块;其次列举了当前面部表情识别方法中存在的问题和不足;提出了多尺度残差网络（Multi-scale Residuals Networks,MS-RNet）模型,在开源数据集上实现较高精度的表情识别;运用提出的多尺度特征融合思想对残差网络进行改进,在自建的课堂学生表情数据集上进行实验,并设计系统实现自动面部表情识别。主要工作如下:针对现有的大多数面部表情识别模型仅在特定的数据集上表出较好的效果,以及深度模型存在参数量大导致其计算复杂度高的问题。本文提出了端到端的多尺度残差网络模型。该模型通过从人脸面部图像中提取多尺度特征（全局特征和局部特征）,用信道合并的特征融合方式实现全局特征和局部特征的融合表示,达到较高精度的人脸表情识别。此外,采用可分离卷积替代原始卷积,实现了增加模型深度但不增加模型参数的目的。为验证所提模型的有效性,我们在开源数据集CK+、FER2013以及JAFFE上进行训练和测试。试验结果表明,本文模型能够达到较高识别效果。针对自然课堂场景下的面部表情识别问题,以提出的多尺度特征融合思想为基础,设计了多尺度融合的残差网络模型。该模型通过连接不同尺度的残差结果,实现多尺度特征的融合进行表情识别,有效抑制了教室场景下存在的部分遮挡问题,提高了识别精度。利用校园教室视频监控获取的视频数据,自建自然课堂场景下学生表情数据集,并在此数据集上进行训练和测试,结果表明构建的神经网络模型在数据集上的测试平均识别率达到93.96%。实验结果表明,该方法能够基本满足实际应用;通过实际场景分析,设计系统实现自动的面部表情识别,这将为后续研究学生课堂学习评价提供有力的数据和技术支持。