在人类的日常交流中,视觉占信息获取的70%左右,扮演了重要的角色。非语言表达也是一种表达人的情感和意图的方式。在视觉信息获取中,人脸表情的各类信息都不可或缺。面部表情是人类表达心理状态的重要组成部分,因此人脸表情识别的研究有着举足轻重的意义,逐步成为社会学、计算机学、教育学、心理学等多个学科领域研究的重点。而且,人脸表情识别是结合人工智能、计算机语言学习、图像智能控制处理等领域于一身的重要研究方向,目前已经成为国内外研究的热点。人脸表情识别能够使机器智能化的理解人类的情感变化,这不仅可以促进自然、有效、无缝和高级的人机交互或人机界面,而且可以促进情感健康。面部表情识别（FER）是情感识别的一项重要任务。但是,在人机之间仍然存在低效且艰难的转换任务。虽然面部表情是除了语言之外最高效地表达情感以及交流的方式,但是在复杂背景下的人脸表情特征提取还存在很大困难,人脸图像受环境背景因素影响,识别率低,虽然目前有很多学者在不断提高表情识别的准确率,但是目前研究的进度并不超前,并且,传统的人脸表情识别算法的精度以及鲁棒性都较低。因此,本文提出基于金字塔多因子联动生成对抗网络的表情识别研究,将人脸表情识别的三大主要因子形成上下联动,相互联系和制约,首先在图片预处理中提出一种改进的深度卷积的人脸检测方法,为后续特征提取打下坚实的基础,其次在复杂背景下,运用空间金字塔条件生成对抗网络,完成准确率较高的人脸图像生成,在传统条件生成对抗网络模型的生成器中引入空间金字塔池化层这一概念,利用增加生成网络的多尺度的特征提取能力,实现高新识别技术的发展。最后,为了保证人脸表情识别器的稳定性和高效性,采用一种多因子联动的人脸表情识别分类,从而减轻了单个模型的稳定损失误差。通过一系列创新操作,实现高准确率的人脸表情识别。