1.一种基于面部表情识别的自闭症儿童交流障碍辅助方法，其特征在于，包括：步骤1：自定义拍摄模块实时监测自闭症儿童日常的行为活动，并采集交流对象的面部图像供后期分析；

步骤2：实时处理模块根据自闭症儿童的需求，控制交流对象进行情绪识别开关；

步骤3：面部表情识别模块对自定义拍摄模块拍摄到的图像进行人脸识别和情绪识别；

步骤4：声音播放模块将面部表情识别模块识别到的情绪状态传送给自闭症儿童；

所述自定义拍摄模块在无交流对象，不需要拍摄时，实时监测自闭症儿童日常的行为活动，判断是否存在危险；

当有交流对象出现时，自闭症儿童基于实时处理模块，根据自己的需求采集交流对象的面部图像供后期分析；

所述自定义拍摄模块利用可携带式的微型摄像头，基于实时处理模块，实现自闭症儿童对交谈者的自主操作拍摄，进行图像采集。

2.根据权利要求1所述的一种基于面部表情识别的自闭症儿童交流障碍辅助方法，其特征在于，所述面部表情识别模块首先利用特征提取，基于JAFFE人脸表情数据库及CK+人脸表情数据库，对SVM分类器进行训练，得到面部表情识别模型；

其次将自定义拍摄模块拍摄到的图像进行人脸识别，并保存识别到的人脸图像并进行预处理；

最后利用面部表情识别模型对预处理后的人脸图像进行情绪识别。

3.根据权利要求2所述的一种基于面部表情识别的自闭症儿童交流障碍辅助方法，其特征在于，所述利用特征提取，基于JAFFE人脸表情数据库及CK+人脸表情数据库，对SVM分类器进行训练，得到面部表情识别模型，包括：步骤（1）：将JAFFE人脸表情数据库及CK+人脸表情数据库中图像进行统一的预处理工作；

步骤（2）：利用局部二值模式算法对预处理后的图像进行特征提取，包括：步骤（3）：将JAFFE人脸表情数据库及CK+人脸表情数据库中表情分为七种表情，分别是愤怒、恐惧、厌恶、惊讶、高兴、悲伤、中性；

步骤（4）：将七种表情图片进行随机分组，特征提取后采取十折交叉验证的方法对SVM分类器进行训练调整，得到满足准确率要求的面部表情识别模型。

4.根据权利要求3所述的一种基于面部表情识别的自闭症儿童交流障碍辅助方法，其特征在于，步骤（2）所述利用局部二值模式（LBP）算法对预处理后的图像进行特征提取，包括：步骤（2.1）：对于预处理后的人脸图像进行分块；

步骤（2.2）：对分块后的小块图像区域进行LBP特征提取；

步骤（2.3）：使用LBP直方图向量作为人脸特征的描述；

步骤（2.4）：将提取到的特征值进行格式转换，转换为面部表情识别模型所监测的特征值。

5.根据权利要求3所述的一种基于面部表情识别的自闭症儿童交流障碍辅助方法，其特征在于，所述预处理包括灰度化处理，人脸对齐以及图像增强。

6.根据权利要求1所述的一种基于面部表情识别的自闭症儿童交流障碍辅助方法，其特征在于，所述声音播放模块将面部表情识别模块识别到的情绪状态发送给蓝牙设备，蓝牙设备采用设定的声音模式进行语音播报，将交流对象的情绪状态传送给自闭症儿童。