人脸识别系统可以区分同一人的不同表情，但是在识别的准确性方面可能会存在一些挑战。因为不同的表情会改变面部的特征，例如嘴巴的张合、眼睛的眨动等，这些变化会影响人脸识别系统对面部特征的提取和匹配。因此，在设计人脸识别系统时，需要考虑如何处理不同表情对识别准确性的影响。
为了解决这个问题，可以采取以下方法：
数据训练：在人脸识别系统的训练过程中，需要包含不同表情下的人脸数据，以增加系统对不同表情的识别能力。多模态信息：除了面部特征外，还可以考虑引入其他传感器获取的信息，如红外线、热成像等，以提高系统对不同表情的识别准确性。深度学习算法：利用深度学习算法来提取人脸特征，可以更好地捕捉不同表情下的面部特征，从而提高识别的准确性。一个具体的案例是，某公司在员工考勤系统中使用了人脸识别技术，但由于员工在上下班时表情不同，导致系统识别的准确性较低，经过系统优化和算法调整后，识别准确性得到了显著提升。
综上所述，人脸识别系统能够区分同一人的不同表情，但需要在数据训练、多模态信息和深度学习算法等方面进行优化，以提高识别的准确性和稳定性。