1.一种去噪扩散的微表情数据生成方法，其特征在于，包括：S1、获取微表情序列；

S2、在所述微表情序列中提取顶点帧，提取所述顶点帧及左右的若干帧作为选定帧；

S3、使用所述选定帧训练微表情扩散模型，所述微表情扩散模型用于生成微表情数据；

所述微表情扩散模型中包含了交叉注意力U‑Net模型，所述交叉注意力U‑Net模型用于对加噪后的选定帧图片去噪，预测将加噪样本还原所需的去噪数据，通过计算正向加噪扩散生成的图片与反向去噪还原生成的图片的损失训练所述微表情扩散模型；

S4、将纯高斯噪声和所述选定帧作为输入进行融合采样，融合采样过程包括根据所述纯高斯噪声通过训练好的所述微表情扩散模型生成生成图片，根据所述生成图片和所述选定帧计算所述生成图片的FID指标，以所述FID指标对所述生成图片进行筛选。

2.如权利要求1所述的一种去噪扩散的微表情数据生成方法，其特征在于，所述步骤S3包括如下步骤：S31、对所述选定帧逐步加噪扩散，生成若干加噪样本；

S32、使用所述微表情扩散模型预测将所述加噪样本还原所需的去噪数据；

S33、使用所述去噪数据将所述加噪样本反向还原；

S34、计算每一次加噪的样本与加噪后反向去噪的样本的损失，根据所述损失修正预测过程。

3.如权利要求1所述的一种去噪扩散的微表情数据生成方法，其特征在于，所述步骤S4包括：S41、随机生成纯高斯噪声图像；

S42、将所述纯高斯噪声图像输入所述训练好的微表情扩散模型；

S43、利用训练好的所述微表情扩散模型对所述纯高斯噪声图像去噪，从而生成对应的生成图片；

S44、根据所述选定帧计算所述生成图片的FID指标，以所述FID指标对所述生成图片进行筛选。

4.如权利要求3所述的一种去噪扩散的微表情数据生成方法，其特征在于，所述筛选具体为：根据所述选定帧计算所述生成图片的FID指标；

删除FID指标高于预设值的所述生成图片。

5.如权利要求3所述的一种去噪扩散的微表情数据生成方法，其特征在于，所述纯高斯噪声图像的大小为224×224，由纯高斯噪声组成。

6.如权利要求1所述的一种去噪扩散的微表情数据生成方法，其特征在于，所述步骤S2中，提取所述顶点帧及左右各两帧作为选定帧。

7.如权利要求1所述的一种去噪扩散的微表情数据生成方法，其特征在于，所述交叉注意力U‑Net模型包括下采样部分、中间部分、上采样部分和输出部分。

8.一种微表情分类网络训练方法，其特征在于，使用如权利要求1‑7任一项所述的方法生成生成图片，所述生成图片经筛选得到筛选后的图片，使用筛选后的图片与选定帧中划分出的训练集组成微表情分类数据，以训练分类网络。