Las expresiones en los rostros humanos revelan las emociones que estamos experimentando internamente. El reconocimiento de emociones basado en la expresión facial es uno de los subcampos del procesamiento de señales sociales. Tiene varias aplicaciones en diferentes áreas, específicamente en la interacción entre humanos y computadoras. Este estudio presenta un modelo automatizado simple CCNN-SVM como un enfoque viable para el reconocimiento de expresiones faciales (FER). El modelo combina una Red Neuronal Convolucional para la extracción de características, ciertas técnicas de preprocesamiento de imágenes y Máquinas de Vectores de Soporte (SVM) para la clasificación. En primer lugar, la imagen de entrada se preprocesa utilizando técnicas de detección de rostros, ecualización de histograma, corrección gamma y redimensionamiento. En segundo lugar, las imágenes pasan por Redes Neuronales Convolucionales Profundas (CCNN) personalizadas para extraer características profundas. Finalmente, SVM utiliza las características generadas para realizar la clasificación. El modelo propuesto fue entrenado y probado en cuatro conjuntos de datos, CK+, JAFFE, KDEF y FER. Estos conjuntos de datos consisten en siete categorías emocionales principales, que abarcan ira, asco, miedo, felicidad, tristeza, sorpresa y neutralidad para CK+, e incluyen desprecio para JAFFE. El modelo presentado demuestra un rendimiento encomiable en comparación con las técnicas existentes de reconocimiento de expresiones faciales. Logra una precisión impresionante del 99.3% en el conjunto de datos CK+, 98.4% en el conjunto de datos JAFFE, 87.18% en el conjunto de datos KDEF y 88.7% en el FER.