人脸表情识别一直是模式识别与计算机视觉领域内的研究热点,目前研究者已经对基于二维图像的人脸表情进行了大量研究。但是由于人脸图像在采集的过程当中,受到光照、姿态、表情、遮挡物等环境因素影响较大,因而人脸表情识别技术的识别率依然有待提高。三维数据采集设备的出现与快速发展,推动着研究者对三维数据研究的快速发展。基于三维数据的人脸表情识别可以极大地克服在获取二维人脸图像时的人脸姿态、光照变化等方面的问题。因此,基于三维人脸数据的三维人脸表情识别研究及其成果日益渐增。随着人们对深度学习的研究,深度学习方法已经应用于诸多领域。但是,在人脸表情这样的传统识别任务中,利用深度学习方法代替人工提取描述特征,通过自动学习特征并且进行特征分类,这样的研究还比较少。而在三维人脸表情识别当中应用卷积神经网络,也是对深度学习的一种推广。因而,本文主要结合卷积神经网络对三维人脸表情识别进行了研究,其主要工作如下:首先是对三维人脸数据的预处理,本文通过对三维人脸数据进行三维栅格化,生成有序的三维人脸点云数据,为提取人脸表情深度图作准备。其次在人脸特征提取阶段,直接通过深度信息获取三维人脸关键点信息。根据三维人脸关键点信息将三维人脸点云数据进行归一化和中心化,将具有表情变化的三维人脸点云减去中性脸成分获得三维人脸差分成分。进而生成人脸表情深度差分图,并将其作为三维人脸表情特征。最后在人脸表情特征学习和分类阶段,设计自己的卷积神经网络模型。利用Bosphorus人脸数据库作测试,获得86.66%的识别率。并与其他三维人脸表情识别算法进行对比,本文的算法具有较高的识别概率。