1.一种基于多元融合决策的人脸表情识别方法，其特征在于，包括如下步骤：S1：采用基于轻量级注意力机制的人脸检测算法对输入人脸图像进行定位预处理；

S2：在预处理定位的基础上，进行人脸特征提取，在提取过程中以特有权重配比及学习机制，对特征提取进行优化；

S3：以提取的特征信息为基础，辅以多元融合作用，输出分类决策依据；

S4：在特征信息和多元融合分类的基础上，进行待测对象的表情分类；

所述步骤S2中人脸特征提取的方式为：采用基于多示例学习与注意力机制的人脸特征提取方法，根据不同脸部区域对表情识别的影响程度进行权重配置，提取得到特征向量；

所述步骤S2中特征向量的提取按照如下定义：

On＝Mn×Weight+Pv

其中，On表示特征向量提取的结果，Mn表示实例n的特征图，Weight表示权重配置量，Pv表示调参变量；

所述步骤S2中使用了注意力机制对权重进行学习，注意力叠加权重计算方式为：Wn＝η(Mn)

其中，Wn表示实例n具有的权重，η表示注意力执行机制，Mn表示实例n的特征图；

所述步骤S2中对提取出的特征进一步优化，策略为：On'＝Wn×(On)。

2.根据权利要求1所述的一种基于多元融合决策的人脸表情识别方法，其特征在于，所述步骤S1具体包括如下步骤：A1：通过改进的与注意力机制相融合的卷积神经网络模型，结合残差信息进行池化及ReLU激活处理，针对目标人脸进行锁定识别；

A2：在目标识别过程中对分割块进行平滑激励处理；

A3：通过滑动分割块的循环迭代，完成待测对象中人脸图像的锁定预处理。

3.根据权利要求2所述的一种基于多元融合决策的人脸表情识别方法，其特征在于，所述步骤A2中在计算分割块滑动位移时采用如下计算方式：其中，Bedge表示分割块边界位置坐标，Bcenter表示分割块中心位置坐标，s表示训练网络采用的数据集包含的样本总数，l表示训练网络采用的数据集包含的类别数量，γ表示算法模型复杂性及过拟合度调整参数。

4.根据权利要求1所述的一种基于多元融合决策的人脸表情识别方法，其特征在于，所述步骤S3具体包括如下步骤：B1：引入年龄、性别和肤色作为加权判别多因子，作为特征信息的进一步补充；

B2：对三类多元因子进行组合归类；

B3：加权融合后，对待测对象特征所属归类进行判别，以此作为对表情分类判别产生人脸多因子融合决策作用的基础。

5.根据权利要求4所述的一种基于多元融合决策的人脸表情识别方法，其特征在于，所述步骤B3中判别过程的表达式如下：其中，C表示待测对象多因子判别归类结果，c表示基础分类向量，s表示前一步骤中提取出的特征向量，N表示决策森林中树的总量，fn表示决策森林中的树节点。

6.根据权利要求1所述的一种基于多元融合决策的人脸表情识别方法，其特征在于，所述步骤S4具体包括如下步骤：C1：引入多因子融合基础上的随机森林决策树模型，依托多元因子融合作用，得到表情分类结果的概率分布；

计算过程表示为：C(cn,s)＝1/N∑C(cn,fn×s)，其中cn表示判断选择出的第n种分类；

C2：根据特征信息及多元融合因子对分类器所产生的人脸表情分类结果，分类算式过程为：