作为人类传递和表达情感的重要方式,表情基本不受性别、种族和个人背景影响。精准识别人脸表情有助于实现更智能的人机交互。研究表明,表情可以通过面部活跃区域的动态变化来表示,而如何高效、全面地捕获面部活跃区域的特征一直是研究者们关注的重点。此外,针对自然条件下的人脸表情识别研究,因数据集标注者的主观性和视频本身表情的不确定性,导致部分样本标签被错误标注,进而使得网络学习到错误的特征,最终导致自然条件下人脸表情识别结果不尽如人意。本文针对如何全面地捕获面部活跃区域特征和如何解决自然条件下视频表情数据集中样本标签的不确定性问题进行了深入研究,主要工作包含以下两个方面:（1）为了高效且完整地捕获面部活跃区域的特征,提出了基于局部特征和全局特征融合的人脸表情识别模型。首先,构造一个基于时空注意力的局部梯度层级循环神经网络（Spatio-Temporal Attention Part-Gradient-based Hierarchical Recurrent Neural Network,STA-PGHRNN）。该网络利用面部关键部位近似表示面部活跃区域,通过提取面部四个关键部位的特征实现聚焦面部活跃区域的目的。其次,提出了一种新的空间注意力机制对人脸各部位的特征进行自适应重定向。同时为了避免STA-PGHRNN忽略其他与表情有关但非面部关键部位的区域特征,构建了一个全局特征提取网络（SE-Res Net-50-LSTM）从面部视频序列中提取全局特征来对STA-PGHRNN提取的局部特征进行补充。最后,为了融合局部关键部位特征和全局特征,使用随机搜索算法对这两个网络进行决策级融合。在多个公开数据集上的实验结果证明了本模型的优越性。（2）针对使用面部关键部位近似表示面部活跃区域的局限性以及自然条件下视频表情数据集中样本标签的不确定性,提出了一个基于面部运动单元和标签修正的人脸表情识别模型。一方面,先构建了一个深度卷积神经网络提取全局特征,并基于专家先验知识,利用面部肌肉运动单元（AU）全面且精准地界定面部活跃区域,然后将这些区域的特征从全局特征中抽离出并送入构建的Ro I（感兴趣区域）特征提取网络中进行整合。另一方面,鉴于自然条件下数据集中部分样本存在不确定性,为此,在原有模型基础上嵌入标签修正模块,利用自注意力机制学习样本的确定性分数,借此筛选出低确定性样本并对其标签进行修正,最后利用逻辑加权交叉熵损失来增强高确定性样本对模型的贡献,削弱低确定性样本对模型的影响。实验结果表明,本模型在实验室条件和自然条件下的数据集上都取得了较好的效果。