近年来,人脸表情识别在人机交互领域、安全领域、远程教育获得了广泛的应用。但传统人脸表情识别方法存在特征设计复杂、识别困难、难以推广等问题,现有基于深度学习的人脸表情识别率低、效率不高,难以推广应用。为了实现高效、高准确度、自动识别人脸表情的目的,研究基于深度学习的人脸表情识别方法很有必要。本文研究了卷积神经网络,提出了基于深度学习新结构的人脸表情识别方法并通过实验验证,形成了人脸表情识别系统。实验都采用FER2013数据集,本文主要成果如下:1.针对Alexnet人脸表情识别率低的问题提出两种网络结构,采用更小的卷积核,解决网络非线性表达能力差的问题。网络新结构由双通道缩减为单通道,全连接层隐藏单元减少一半,使网络更适合解决少分类问题;网络由4层卷积层和3层全连接层组成,相比传统方法（Alexnet结构）人脸表情识别率由65%提升了 3%,达到68%。两种网络结构性能优于传统方法,人脸表情识别率分别提升了 3.38%、3.07%。针对Vggnet训练时间长的问题提出三种网络结构,对结构进行精简,解决了网络参数过多的问题;13层的网络训练时间减少了 40%。三种网络结构性能优于传统方法,人脸表情识别率分别提升了 4.14%、4.41%、4.67%。针对大于20层的网络难以训练的问题提出两种网络结构,采用残差网络（Resnet）,解决了训练集难以拟合的问题。基本单元为批标准化-激活函数-权重（bn-relu-conv）的顺序,用全局平均池化替换2个全连接层。Resnet采用残差学习块,能构建更深的卷积神经网络,层数能到100层或更深。新结构网络收敛速度更快,更容易训练。两种网络结构性能优于传统方法,人脸表情识别率分别提升了 7.08%、7.44%。2.针对FER2013数据集中有些图片难以识别的问题,提出一种自适应增强Vggnet的人脸表情识别方法,解决了网络对所有图像同等关注的问题。将Vggnet用作弱分类器,对数据集进行不同的加权训练出不同的Vggnet,最后将所有Vggnet集成;Vggnet由5个卷积组和3个全连接层组成,并减少3个全连接层的隐藏单元,输出分别设置为128、32、7;相比单个Vggnet人脸表情识别率由68%提升了 6%,达到74%。3.基于前述研究,设计了人脸表情识别集成系统。系统结合了 OpenCV和Dlib等多种深度学习库,利用OpenCV检测人脸,利用Dlib提取人脸特征点;系统精简设计,在个人PC机上运行流畅,识别速度快,人脸表情识别率优于国内同类技术。本文提出的人脸表情识别方法适用面广,能用于人工智能、教育等领域。