Las microexpresiones son movimientos faciales de duración extremadamente corta y pequeña amplitud, que pueden revelar las verdaderas emociones potenciales de un individuo y tienen un importante valor de aplicación en la seguridad pública, el diagnóstico médico, la psicoterapia y las negociaciones comerciales. Dado que las microexpresiones cambian rápidamente y son difíciles de detectar, el reconocimiento manual es un desafío significativo, por lo que el desarrollo de sistemas de reconocimiento automático se ha convertido en un foco de investigación. Este artículo revisa la historia del desarrollo y el estado de la investigación del reconocimiento de microexpresiones y analiza sistemáticamente las dos principales ramas del análisis de microexpresiones: la detección de microexpresiones y el reconocimiento de microexpresiones. En términos de detección, los métodos se dividen en tres categorías basadas en características temporales, cambios de características y características profundas según diferentes métodos de extracción de características; en términos de reconocimiento, se resumen los métodos tradicionales basados en características de textura y flujo óptico, así como los métodos basados en aprendizaje profundo que han surgido en los últimos años, incluyendo estrategias de unidad de movimiento, fotograma clave y aprendizaje por transferencia. Este artículo también resume los conjuntos de datos de microexpresiones comúnmente utilizados y las técnicas de preprocesamiento de imágenes faciales y evalúa y compara los métodos principales a través de múltiples indicadores experimentales. Aunque se ha logrado un progreso significativo en este campo en los últimos años, todavía enfrenta desafíos como la escasez de datos, el desequilibrio de clases y la inestabilidad en la precisión del reconocimiento. La investigación futura puede combinar aún más la información emocional multimodal, mejorar las capacidades de generalización de datos y optimizar las estructuras de redes profundas para promover la aplicación generalizada del reconocimiento de microexpresiones en escenarios prácticos.