在人脸表情分析过程中，头部姿态变化常会引起人脸信息的不对称，传统上仅对人脸图像进行裁剪和对齐的相关操作难以得到对姿态鲁棒的特征。为获取人脸结构化的特征，提出了一种人脸图像正脸化处理方法。该方法将检测到的人脸关键点映射到新的二维空间进行关键点的正脸化，将正脸化后的关键点还原到原始图像中作为新关键点，通过移动最小二乘法指导图像由原始关键点向新关键点变形，得到正脸化后的人脸图像。在公共的RAF-DB和ExpW人脸表情数据集上，采用上述处理方法对人脸图像进行预处理，并在VGG16和ResNet50深度学习网络中进行人脸表情分类任务的模型训练，用分类任务的准确率来评估文中正脸化方法对人脸表情分析的有效性。实验结果表明，该方法在人脸表情分析方面优于深度学习中传统的预处理方法，并且可以有效提高人脸的信息质量。