情感在人类交往过程中有着不可替代的作用,面部表情是人表达情感最直接最常用的方式。面部表情分析是人脸识别技术中不可或缺的重要研究内容,研究的是如何高效准确地捕捉和分析面部表情及其传递的信息。面部表情分析使用表情的类别和强度两个属性全面地分析人的情绪状态,在新型人机情感交互等领域有着巨大的研究价值和广阔的应用前景。在目前的面部表情分析研究中,大量工作主要集中在识别面部表情类别,而很少有对表情强度的研究。造成该现象最主要的原因在于,目前公共表情数据集中缺少对表情强度的标注信息,导致一些研究只关注于对高强度表情的研究,而忽略了低强度表情对于精细化情感分析的重要价值。随着面部表情分析技术的广泛应用,对低强度表情的识别需求日趋增加。为了解决上述问题,本文提出一种基于强度标签分布的面部表情分析方法,显著提升了低强度表情的识别准确率的同时估计其表情强度水平。本文的主要工作总结如下:（1）考虑到目前表情数据集中缺少表情强度标注信息,提出一种新的基于强度标签分布的编码方式。首先,使用线性插值估计和高斯函数自动生成表情的强度标签分布,利用表情序列中的时序信息生成表情强度标签。然后,提出扩展的强度标签分布,用于自动编码多维表情空间中的表情强度,将表情类别和表情强度编码到统一的框架中。（2）为了消除面部表情无关信息对表情分析的影响,提出了一种类孪生卷积神经网络（Siamese-like CNN）,将扩展的强度标签分布作为监督信息,从中性帧和非中性帧组成的样本对中学习表情模型。在CK+、Oulu-CASIA和MMI数据集上的表情识别精度和表情强度估计指标（PCC、ICC、MAE）均达到较高水平。（3）基于提出的面部表情分析算法,设计并实现了面部表情分析系统,该系统可以对本地数据读取并分析,也可以通过调用摄像头进行实时表情分析,包括对表情的分类和强度估计。最后将该系统用于儿童共情能力评估,验证了面部表情分析算法的有效性和面部表情分析系统的实用性。