为了更加精确地对人脸表情进行分类，文中提出了使用CNN（卷积神经网络）来进行脸部表情的识别分类，其包含8层网络，前5个是卷积层（C1-5），其余3个是全连接层（FC6-8）。最后一个全连接层的输出提供给6路softmax，其在6类标签上产生一个分布。文中收集各种数据库，并将数据库组织成6个表情类，如“中性”、“高兴”、“伤心”、“愤怒”、“惊讶”和“反感”。应用预处理和数据增强技术来提高培训效率和分类性能。调整卷积层的特征映射的数量与全连接层的节点数，找到最能表达6个面部表情特征的最优结构。并通过交叉验证和交叉数据库实验得出，文中提出的CNN结构具有良好的脸部表情分类性能。其次，与其他传统模型相比，所提出的CNN结构在分类性能方面具有优越性且执行时间更短。