表情识别是人工智能、计算机视觉、人机交互领域的一个重要研究课题,在医疗、公安、教育等领域有着广泛应用。当今也是智能手机飞速发展的时代,以Android图像识别为代表的移动应用越来越广泛,所以将表情识别技术运用在Android图像识别领域是发展的必然趋势。但目前在特定场景进行的表情识别工作,大多数是在PC端和嵌入式开发板中完成的,虽然识别率很高,但是模型往往都非常大,无法满足移动端的运算需求。因此,本文设计并实现了移动端表情识别系统,并将系统运用到实际场景之中,使之更好地贴近实际生活。本文围绕移动端表情识别系统的设计框架、识别模型、软件实现这几个关键问题来研究,主要工作如下:设计了移动端表情识别系统框架,主要包括硬件系统和软件系统。系统首先通过萤石云网络摄像机获取监控视频,然后通过路由器和互联网云端进行视频传输,最后通过手机APP来实现远程表情识别。针对移动端CPU运算能力有限的问题,本文采用轻量级神经网络架构mini＿Xception进行表情识别工作,通过对mini＿Xception神经网络进行训练与调参,最终封装了可移植到手机端的识别模型。实验结果表明,mini＿Xception神经网络架构能满足移动端的需求。本文利用Android Studio开发工具设计开发了移动端表情识别软件APP。主要包括登录、远程视频获取、人脸检测、表情识别、告警提示等功能,通过调用Vitamio框架实现远程视频获取,然后调用Open CV工具包实现视频预处理与人脸检测,最后调用移植后的mini＿Xception模型实现表情识别。在家居环境和教室环境中进行了初步测试,实验结果表明本文设计的系统具有较好的实用性。