Phân loại cảm xúc khuôn mặt thông qua việc nhận diện nét mặt hiện là một trong những bài toán được nhiều nhà nghiên cứu quan tâm. Với mục đích hỗ trợ được người dùng trong việc nhận diện được cảm xúc khuôn mặt để sử dụng nghiên cứu trong các lĩnh vực như khoa học lâm sàng hay khoa học hành vi. Thách thức với bài toán này là nét mặt của con người có sự tương đồng, trùng lặp trong các biểu thị cảm xúc khác nhau. Trong bài báo này, nhóm tác giả đề xuất sử dụng phương pháp Support Vector Machine - SVM kết hợp với mạng thần kinh chuyển đổi để phân loại cảm xúc trên khuôn mặt trên bộ dữ liệu FER và xây dựng 3 mô hình chiến lược để tiến hành các thí nghiệm. Việc xác định cảm xúc chính xác của khuôn mặt luôn khó khăn. Các kết quả của thực nghiệm đã cho thấy rằng mô hình Convolutional Neural Network - CNN chính xác hơn khi so sánh với mô hình Histogram Of Orientation Gradient + Support Vector Machine - HOG +SVM . Mô hình CNN lấy hình ảnh thực làm đầu vào và mô hình CNN nhập hình ảnh kết hợp có kết quả gần đúng với nhau và có tính chất ổn định hơn., Tóm tắt tiếng anh, Distinguishing emotions through facial recognition is one of the problems that many researchers are interested in. For the purpose of assisting the user in recognizing facial emotions to use research in fields such as clinical or behavioral science. The challenge with this problem is that human facial expressions have similarities and overlaps in different emotional expressions. In this paper, the authors propose to use the SVM method combined with the transitional neural network to classify facial emotions on the FER dataset and build 3 strategic models to conduct experiments. Determining the exact emotion of the face is always difficult. The experimental results have shown that the CNN model is accurate when compared to the HOG-SVM model. The CNN model takes the real image as input, and the CNN model imports the combined image that has approximately the same results and is more stable.