本发明公开了一种基于面部情绪分析的动态人脸生成方法，首先进行数据预处理，检测图像中的人脸并对齐；然后构建面部情绪分析模型，通过预处理后的人脸图像完成面部情绪分析模型的训练；最后生成动态人脸视频。本发明通过面部情绪的分析，来引导人脸的生成，为了保证面部情绪分析在真实场景的准确率，为每个样本引入了重要性权重的计算，通过将低重要性权重的样本进行重新标记，解决数据集中噪声标签的问题，使用了一种隐式语义数据增强算法，巧妙地利用深度神经网络长于学习线性化表征的性质，在特征空间完成语义扩增过程，并且几乎不引入任何额外计算或时间开销，提高了情绪分析的性能，增加了人脸生成的合理性。