采用计算机视觉实现对采集图像中人脸所处状态的识别技术，通过对人脸状态的识别能够充分地反映出一个人的心理与生理方面 的状态信息，这种利用人脸识别方式来判断一个人的行为，如今已经成为当前人脸状态检测的方向标。现阶段各个领域中应用的主流人脸 识别技术，主要以人的面部问题，器官特征以及骨架特征等静态情况来判断人脸所处于的状态，但无法根据脸部的全局肌肉运动情况来判 断人脸当前所处于的状态。因此，针对该问题，本文提出了一种基于深度学习的时间系列人脸状态识别算法，以此提高了对不同人脸面部 特征、复杂背景的鲁棒性。首先，利用共享权值直线了双通道级联网络的设计，并实现了对特征图的提取。然后，采用 Liteflownet 从特征 图当中完成了光流图的提取，以及实现了 L-R 模型的设计，解决了头部偏转矢量导致识别结果存在误差的问题；其次，完成了分类器的设 计。最后经测试结果证明，本文提出的人脸状态识别算法，不仅可以促进人脸状态的识别率得到提高，还拥有较高的鲁棒性。