本发明公开了场景级上下文感知的情感识别深度网络方法，通过读取训练样本集Xin身体标注值与原始情感标注值，得到身体部位图像集XB；对Xin和XB归一化处理后分别送入上、下层卷积神经网络，提取情感特征TF和上下文情感特征TC，将TF和TC分别送入上、下层自适应层得到融合权重λF和λC，将TF、TC、λF和λC融合得到情感融合特征TA，TA经全连接层线性映射，得到arousal和valence初始预测值，衡量两个初始预测值与原始情感标注值之间的损失，逐步收敛，完成训练，得到网络模型；将测试样本集处理后送入网络模型，获得测试样本集Xtn预测标签值。本发明的方法融合特征时考虑到不同属性的特征对与人物情感的影响程度，在丰富基于图像的情感识别研究工作的基础上提高了模型的预测性能。
