微表情是一种快速的、难以用肉眼观察到的,可以反映人类真实内心情感的面部表情。由于微表情能体现人们真实的感受和动机,因此常应用在商务谈判、警察诊断、精神分析等领域。然而由于微表情持续时间短（1/25-1/2秒之间）、变化细微（肌肉收缩或舒张幅度较小）的特点,微表情识别仍是一个巨大的挑战。近年来,随着深度学习的发展,深度神经网络算法以及注意力机制的广泛应用,为微表情识别带来了新的研究方向。基于此,本文使用深度学习来创建自动的微表情识别算法,以选取更具代表性的微表情特征进行微表情识别,并实现了一个微表情识别系统。本文在以下方面进行了研究:（1）提出了一种基于3D2D混合结构的微表情识别方法,该方法先使用多个三维卷积提取时空特征,再使用二维卷积以及注意力机制提取更高层次的、更关键的空间特征,最后使用Softmax对微表情分类。在数据集上进行了一系列对比实验,显示该模型效果优于其他方法。（2）提出了一种基于注意力机制的三维卷积微表情识别方法,该方法是一种双流结构,可以有效地利用图像序列与光流序列的特征。使用Attention层、Co-Attention层提取更有效的微表情特征以更好地解决微表情识别任务。在数据集上进行充分实验,验证了该模型有较好的识别效果。（3）本文搭建了首个基于注意力机制的微表情自动识别系统——AMMRS（Attention Mechanism for Micro-Expression Recognition System）,并将本文提出的微表情识别算法应用到该系统的微表情识别功能模块中,完成整个系统的开发与测试工作。