1.一种基于AdaBoost-KNN的动态人脸情感识别方法，其特征在于：包括以下步骤：

S1：采用Candide-3模型对动态人脸进行定位追踪，并提取追踪到的表情的多个情感特征点；该多个情感特征点组成一个训练子样本，所有训练子样本构成训练样本；

S2：基于AdaBoost-KNN算法，建立AdaBoost-KNN分类器，所述AdaBoost-KNN分类器由M个KNN分类器进行加权组合构成；其中，M为大于1的正整数；

首先，以所述训练样本训练所述M个KNN分类器，得到每个KNN分类器的权重系数；

然后，根据得到的每个KNN分类器的权重系数，采用交叉验证的方法，得到更新后的每个KNN分类器的权重系数，确定出所述AdaBoost-KNN分类器的人脸情感类别阈值及每个KNN分类器的K值，得到最终的AdaBoost-KNN分类器；其中，所述人脸情感类别类别阈值由公式计算得到；其中，αP为每个KNN分类器的权重系数，P为正整数，1≤P≤M；n(i)表示人脸情感类别标签，i表示第i个训练子样本，1<＝i<＝N，N为训练子样本的数量；K值为每个KNN分类器的固有参数，K>0，K值的取值决定了KNN分类器的识别率；

S3：将待识别样本输入到最终的AdaBoost-KNN分类器，对动态人脸情感类别进行识别；

所述待识别样本为实际追踪到的动态人脸表情对应的情感特征点。

2.如权利要求1所述的基于AdaBoost-KNN的动态人脸情感识别方法，其特征在于：步骤S1中，所述Candide-3模型是由多个点和多个面片组成的一个参数化的模型，用于追踪和提取动态人脸情感的特征点；该模型如公式(1)所示：g＝SR(g0+AT+ST)+t   (1)

其中，S为放大系数，R为旋转矩阵，g0为标准模型，A和S分别代表运动单元和形状单元，T为对应的变化参数，t为转换向量。

3.如权利要求1所述的基于AdaBoost-KNN的动态人脸情感识别方法，其特征在于：步骤S2中，确定所述AdaBoost-KNN分类器中每个KNN分类器的权重系数的过程如下：

1)初始化训练样本{(X(1),n(1)),...,(X(i),n(i)),...,(X(N),n(N))}，使训练样本中的每一个训练子样本都具有相同的权重；其中，X(i)表示一个训练子样本，i表示第i个训练子样本，N为训练子样本的数量，1<＝i<＝N；n(i)表示训练子样本X(i)所属人脸情感类别的标签，n(i)∈{1,2,…,7}；

2)将训练样本输入到各个KNN分类器GP(X)，根据得到的所有训练子样本被正确分类的数目和错误分类的数量，计算出各个KNN分类器GP(X)的分类误差率eP，根据分类误差率eP计算得到各个KNN分类器GP(X)的权重系数αP： P为正整数，1≤P≤M，M表示KNN分类器的数量；

3)根据KNN分类器的权重系数αP，按照步骤2)中得到的所有训练子样本被正确分类及错误分类的情况，调整每个训练子样本的样本权重，得到新的训练样本；

4)根据所述新的训练样本，再次对各个KNN分类器GP(X)进行训练，更新各个KNN分类器GP(X)的权重系数αP；

5)按照步骤3)和步骤4)的操作对各个KNN分类器GP(X)的权重系数αP多次进行更新，直到各个KNN分类器GP(X)的分类误差率小于设定误差阈值，更新得到最终的KNN分类器的权重系数αP；将每个KNN分类器按照最终的权重系数加权组合成所述AdaBoost-KNN分类器G(X)：

4.如权利要求3所述的基于AdaBoost-KNN的动态人脸情感识别方法，其特征在于：步骤S2中，确定所述AdaBoost-KNN分类器中的K值和人脸情感类别阈值的过程如下：(1)利用交叉验证方法，将训练样本平均分成七组，对所述AdaBoost-KNN分类器进行七折交叉验证，即对M个KNN分类器依次进行七折交叉验证；

(2)根据每次七折交叉验证得到的识别结果，再次更新各个KNN分类器GM(X)的权重系数αM，分别得到7类人脸情感类别阈值：第1类人脸情感类别的阈值G1为： 第2类人脸情感类别阈值G2为： 第3类人脸情感类别阈值G3为： 第4类人脸情感类别阈值G4为： 第5类人脸情感类别阈值G5为： 第6类人脸情感

类别阈值G6为： 第7类人脸情感类别阈值G7为：

(3)确定7类人脸情感类别的阈值后，以试凑法确定所述AdaBoost-KNN分类器识别率最高时对应的K值，即将K值的取值从1开始增加变化，则随着K值的变化，所述AdaBoost-KNN分类器的识别率进行相应的变化，记录所述AdaBoost-KNN分类器的识别率最高时的K值，该K值即为所述AdaBoost-KNN分类器中确定下来的K值，从而得到最终的AdaBoost-KNN分类器。

5.如权利要求1所述的基于AdaBoost-KNN的动态人脸情感识别方法，其特征在于：步骤S4中，所述最终的AdaBoost-KNN分类器输出的是人脸情感类别所对应的标签。