本發(fā)明中提出的一種基于面部動(dòng)作單元強(qiáng)度估計(jì)的表情分析方法，其主要內(nèi)容包括：結(jié)構(gòu)化深度條件隨機(jī)場(chǎng)、一元電勢(shì)、成對(duì)電勢(shì)、學(xué)習(xí)與推斷，其過(guò)程為，結(jié)構(gòu)化深度條件隨機(jī)場(chǎng)包括兩個(gè)設(shè)置，在第一個(gè)設(shè)置中，給定輸入面部圖像，將預(yù)定義的卷積神經(jīng)網(wǎng)絡(luò)層應(yīng)用于(歸一化)輸入圖像，生成特征圖，第二個(gè)設(shè)置為了利用來(lái)自多個(gè)數(shù)據(jù)集的信息，使用數(shù)據(jù)增強(qiáng)學(xué)習(xí)方法；在結(jié)構(gòu)性深度條件隨機(jī)場(chǎng)中定義一元結(jié)點(diǎn)勢(shì)，當(dāng)隨機(jī)變量為離散時(shí)，可以為離散變量構(gòu)造聯(lián)合分布，從多個(gè)數(shù)據(jù)集增強(qiáng)學(xué)習(xí)生成的深度結(jié)構(gòu)化條件隨機(jī)場(chǎng)的目標(biāo)函數(shù)。本發(fā)明利用深層結(jié)構(gòu)化學(xué)習(xí)，能夠處理高維輸入特征，圖像特征大大改進(jìn)，性能也顯著提升，提高了面部動(dòng)作單元強(qiáng)度估計(jì)的精確性。