针对婴儿表情识别率低、特征复杂、提取不足的问题，提出了一种基于MobileNetV2和LBP双通道特征融合的婴儿表情识别算法。第一个通道使用改进的MobileNetV2网络快速准确地提取面部表情的全局特征。第二通道对原始输入图像进行分块，利用图像信息熵构造权重，提取分块加权的LBP直方图特征，突出表达信息的区域丰富。通过融合双通道模型的输出向量，提高了特征表达能力，并使用支持向量机替代Softmax层进行表达分类。实验表明，融合特征比单一特征具有更好的分类效果，在自建的婴儿表情数据集中，表情识别准确率可达85.71%。