人脸识别系统在应对面部表情的变化时，可以采取以下几种方法：
多角度训练：在训练人脸识别系统时，可以使用不同角度和表情的人脸图像进行训练，以提高系统对不同表情的识别能力。
动态表情识别：引入动态表情识别技术，不仅仅关注静态的面部特征，还可以分析面部表情的变化，从而更准确地识别人脸。
深度学习算法：采用深度学习算法，可以让系统更好地理解面部表情的变化规律，提高对不同表情的识别准确性。
结合生物特征：除了面部表情，还可以结合其他生物特征如眼睛的眨眼频率、嘴唇的形状等进行综合识别，提高系统的鲁棒性。
实时更新模型：及时收集用户的不同表情数据，不断更新人脸识别模型，使其能够适应不同表情的变化。
案例：某公司的人脸识别系统在实际使用中发现，在用户表情较为夸张或者面部有遮挡时识别率较低，针对这一问题，他们通过收集大量不同表情和遮挡条件下的人脸数据，并采用深度学习算法重新训练模型，最终提高了系统在不同表情和遮挡条件下的识别准确性。
综上所述，人脸识别系统在应对面部表情的变化时，可以采取多种方法，包括多角度训练、动态表情识别、深度学习算法、结合生物特征和实时更新模型，从而提高系统的识别准确性和鲁棒性。