面部表情是非語言交流的一種形式，它通過收縮臉上的肌肉圖案來反映人的情緒。面部表情是文獻中研究最廣泛的，因為它在各種文化中普遍存在，其中包括典型的六種情感：厭惡、悲傷、幸福、恐懼、憤怒和驚奇。還有另一種面部表情稱為微表情，是一種非常簡短而快速的面部表情，它是不由自主引起的，揭示了人們的真實感受。微觀表達是相當快速的（持續時間短，不到1/5秒），並且細微的（肌肉變化量小）。提出了一種基於深度學習架構設計的完整自動化微表情識別系統，以識別微表情。第一步是利用自動頂點識別系統提取特徵，並且我們證明了僅利用面部微表情頂點幀（以起始幀為參考幀）即可完成辨識。第二步，從開始幀和頂點幀中提取特徵以簡潔地描述肌肉變化。具體而言，特徵提取技術包含了光流算法和深度學習架構。在三個突出的自發面部微表情數據庫上進行了實驗。與目前最先進的方法相比，達成了更優越的辨識率。這種識別機制可以進一步擴展並且廣泛的應用，例如醫學診斷、社區安全、業務談判、社交互動。

此技術包含了淺層深度學習體系結構，計算量較小且足以提取出具有區別性的特徵。該網絡從基於每個視頻的起始幀和頂點幀計算的三個光流特徵中學習。此方法在由3個公共數據庫中的442個樣本組成的複合數據庫中顯示出0.76的UAR和0.74的UF1。在IEEE FG 研討會之「面部微表情大挑戰」中排名第二。

此深度學習結構可以有效且高效地識別適合在即時應用程序中實現自動微表情辨識。它可廣泛地應用於多個領域，其應用前景十分遠大，對社會必定產生的巨大益處。例如可用於醫療診斷應用中的抑鬱症監測，在警察審訊期間識破嫌疑人的謊言，確保公共安全以及促進有效的談判，銷售和招聘。