1.基于改进头脑风暴优化算法的面部情绪识别特征选择方法，其特征在于，包括以下步骤：

(1)面部图像特征向量的提取；

(2)从步骤(1)所确定的特征向量中确定出因情绪变化而出现差异的所有特征，组成差异特征向量；

(3)对步骤(2)传递过来的差异特征向量，执行改进的头脑风暴优化算法，选出特征个数最少、分类器精度最高的一个特征子集；

(4)利用步骤(3)所得最终输出个体，即适应值最大的特征子集，确定出相应的支持向量机；利用所确定支持向量机作为最终的分类器，完成面部情绪的分类，进而实现对面部情绪的识别。

2.根据权利要求1所述的基于改进头脑风暴优化算法的面部情绪识别特征选择方法，其特征在于，所述步骤(1)具体包括：采用椭圆来近似面部轮廓，利用方向梯度直方图HOG从面部图像中提取特征，组成初始特征向量；具体方法如下：首先将图像分成小的连通区域小块，并为每个小块绘制方向直方图；其次，通过计算图像中较大区域的强度，对局部直方图进行归一化；然后，标准化所有区块；最后，所有块的直方图被连接成一个特征向量。

3.根据权利要求1所述的基于改进头脑风暴优化算法的面部情绪识别特征选择方法，其特征在于，所述步骤(2)具体包括：重复步骤(1)的方法构建出中性情绪图像的特征向量，计算步骤(1)所得情绪特征向量与中性情绪特征向量之间的差异值，找到因情绪变化而出现差异的所有特征，构建出差异特征子集或特征向量；当所有特征对应的特征差异值都接近零时，即可认定该图形为中性情绪，并终止算法。

4.根据权利要求1所述的基于改进头脑风暴优化算法的面部情绪识别特征选择方法，其特征在于，所述步骤(3)具体包括：针对步骤(2)得到的差异特征向量，以支持向量机作为情绪分类器来评价个体的适应值，执行改进的头脑风暴优化算法，从这些差异特征中删除不相关和冗余特征，以找到特征个数最少、分类器精度最高的一个特征子集，具体方法如下：(3.1)确定种群中个体的编码策略，以任意个体X为例，本发明采用一个概率矩阵表示其编码,公式如下：X＝(x1,x2,...,xD),xi∈[0,1],i＝1,2,...,D

其中，D为全部特征的数目，xi表示个体中第i个特征被选中的概率，若xi＞0.5，则意味着第i个特征被选入特征子集；否则，这个特征被剔除；

(3.2)确定个体适应值的评价策略，首先利用步骤(3.1)的思想将待评价个体转化为相应的特征子集；接着，利用该特征子集确定出支持向量机的结构，并由确定好的支持向量机对图像样本进行训练和测试；支持向量机对测试样本的分类精度值即为上述待评价个体的适应值；

(3.3)初始化头脑风暴优化算法所需种群，在特征空间中随机生成种群中的全部N个个体，其中，N为种群所包含个体的规模；

(3.4)采用K-means方法对种群中的个体进行聚类；随后，在每个类中，对其包含的个体按照适应度值大小进行排序，选择适应度最大的个体作为该类的中心；

(3.5)交替使用类内变异算子和类间交叉算子依次产生N个新的个体，方法如下：首先，将种群中已有的N个个体随机划分为规模相同的两组，第一组执行类内变异算子来产生新的个体，剩余一组采用类间交叉算子来产生新的个体；

(3.6)更新个体的位置，方法如下：利用(3.2)中方法评价每个新生个体的适应值，若其适应值大于原先个体的适应值，则利用新个体代替原先个体；否则，保持不变；

(3.7)判断是否满足终止准则，若满足，则终止算法，并输出种群中适应值最大的个体作为最终结果；否则，返回步骤(3.4)。

5.根据权利要求4所述的基于改进头脑风暴优化算法的面部情绪识别特征选择方法，其特征在于，所述步骤(3.5)中，采用的类内变异算子如下：在[0,1]之间产生一个随机数，如果该随机数大于0.5，随机选择一个类，对其类中心进行变异，得到一个新个体；否则，从该类中随机选择一个个体，对其进行变异，得到一个新个体；

采用的类间交叉算子如下：在[0,1]之间产生一个随机数，如果该随机数大于0.5，随机选择两个个类，对两个类的类中心进行交叉，得到一个新个体；否则，从两个类中分别随机选择一个个体，对其进行交叉，得到一个新个体。