随着时代的发展,我国在视频监控分析领域获得较多的研究成果,并应用到生活的多个领域。比如:平安城市情报搜集分析;在公共交通中,监控系统可以完成车牌识别、车速检测及车辆违反交通规则的行为的监测等等;在银行领域,监控系统及其重要,监控异常,保证巩固财产安全。这些都离不开智能的视频监控系统。所以对于公共设置的监控系统来说,可以更多的关注弱势群体,比如:老人和幼儿。针对监控得到的视频信息,进一步对面部表情行为的异常进行检测,该措施将会很大程度上提升国民的安全感和幸福感。针对基于视频的面部表情检测,本文的方法基于深度学习模型获取图像信息,进一步进行表情的中性表达和表达成分学习。首先,由深度学习的训练模型对视频人脸进行精准的动态追踪,然后获取到所需的面部表情图像,然后生成模型由CGAN训练以针对任何查询图像重新生成中性面部图像。其次,学习程序是形成在生成模型的内部层上,学习过程能够捕获生成模型中记录的面部表情的表达成分。该方法方法主要在CK+数据库上进行了评估。实验结果证明了该方法的优越性能。总之,本文的主要贡献如下:1、本文在处理动态视频时,结合了深度学习的模型,能够对视频中的异常检测起到明显的作用。2、本文通过解读面部表情可以分解为表达成分和中性成分此角度为入手点,验证了新的表情识别方法。