全文总字数：1272字

1. 研究目的与意义及国内外研究现状

近些年，随着人工智能的发展，机器学习得到了更深入的发展，以深度学习为其代表，其理论的研究对人工智能的发展有着深远的影响。研究者们赋予人工智能类似人的能力，即人工神经网络，而人工智能系统用这项能力来处理着许多人类难以完成的工作，如图像识别技术，人工智能可以更加迅速的处理图像信息，并得到精确的结果。

人脸识别，是基于人的脸部特征进行身份识别的一种技术，通过采集含有人脸的图像或视频流，并在图像中检测人脸，具有很大的研究价值，广泛应用于公安，车站等地，目前更是有人脸支付，人脸解锁等功能。目前，经典的人脸识别算法有特征脸(eigenfaces)、主成分分析(pca)、线性判别分析(fisherface)、特征提取(lda)等。然而在现实的使用过程中，传统的算法有时并不能得到令人满意的结果，于是在深度学习被广泛运用后，研究者们大多使用深度学习来解决传统算法无法解决的问题，而卷积神经网络更是具有研究价值。

人脸表情识别是计算机以人的角度，对提取的人脸表情特征图进行分类并利用脸部特征来分析人类的感情，完成表情识别的技术的总称。人脸表情识别对计算人类感情有着深远的影响，在心理学、机器人、虚拟现实等领域都有着重大的研究价值。

2. 研究的基本内容

(1)卷积神经网络的相关技术与研究(2)人脸表情识别模型设计(3)模型的实现与验证

3. 实施方案、进度安排及预期效果

实施方案：

(1)首先对卷积神经网络相关技术进行研究

(2)开发语言：python

4. 参考文献

周飞燕, 金林鹏, 董军. 卷积神经网络研究综述[j]. 计算机学报, 2017(6).