面部表情作为人类情绪的晴雨表,反映着人类的喜怒哀乐。多年来,人类致力于表情识别以研究其情绪变化,特别是以智能化的方式进行人脸、表情识别等相关任务。自发表情作为一种真实的、无意识的表情,能够准确反映人类的真实情感,渐渐受到专家学者的青睐。微表情作为一种自发表情,能够反映人类内心真实的情感变化,是一种非常有效、准确的行为线索,因此在测谎、反恐、审讯、临床诊断等方面具有广泛的应用价值。但由于微表情强度低、存在时间短、可能只出现在部分面部区域,使得微表情自动识别具有很大的困难。本文以提高微表情识别效果为目标,从以下三个方面展开了研究:1)综述了微表情识别研究现状,其中包括微表情识别的基本流程、微表情识别方法的发展过程以及微表情数据库的介绍与对比。2)提出了一种基于深度时空特征融合的微表情识别方法。在算法中,提出了用于描述面部微表情的全局特征描述符。利用空间卷积神经网络和时间卷积神经网络分别提取空间、时间特征,并通过时空特征融合层将两者融合,最终形成能对微表情进行预测分类的全局特征。3)提出了一种基于残差网络和长短时记忆网络的微表情识别方法。首先,为了更好地描述微表情的特征,我们采用光流图像作为输入数据。然后,采用残差网络对输入数据进行空间特征提取,再将提取到的空间特征送入长短时记忆网络(LSTM)进行时序学习。最后,采用softmax分类器对提取到的特征向量进行微表情预测分类。