基于深度学习的面部表情识别（FER）在过去的几年中受到了广泛关注。现有的大多数基于深度学习的FER方法未能充分考虑领域知识，因此无法提取出具有代表性的特征。在本研究中，我们提出了一种新颖的FER框架，命名为面部运动先验网络（Facial Motion Prior Networks, FMPN）。特别地，我们引入了一个额外的分支来生成面部掩模，以便专注于面部肌肉活动区域。为了指导面部掩模的学习，我们建议通过使用中性面孔与相应表情面孔之间的平均差异作为训练指导来整合先验领域知识。在三个面部表情基准数据集上的大量实验表明，所提出的方法相比现有最先进方法的有效性。