0、预处理
1、特征提取算法
1.1局部二值法LBP
1.2Haar-like特征提取
1.3ASM/AAM
1.4光流法
1.5特征点跟踪法
1.6Gabor小波
LBP算法存储空间较少，计算效率高，但是对有噪声的图片特征提取率低（改进地方），同时只考虑图片中心与邻域的像素特征，忽略差值幅度，会导致部分有用的特征信息丢失。对于表情识别特征提取，Haar更有优势，因其描述的是面部局部灰度变化，当全局区域光照稳定，Haar被证明更具优势，因其描述的是面部的局部灰度变化，当全局区域光照稳定，Haar能提取到更多的面部运动单元变化信息。
2、特征分类法
1.1SVM算法
1.2K-NN算法
1.3Adaboost（可以改受弱分类器影响的部分）
1.4贝叶斯分类
SVM是小样本的算法，在处理大量数据样本不能有很好的效果，SVM本身是解决二分类问题的算法，在多分类上有局限性。噪声影响分类结果，对样本的训练时间长，最终结果受制于弱分类器的选择。
---------2018/5/31