1.一种跨数据集面部表情识别模型构建方法，其特征在于，所述的方法包括：步骤1、获得面部表情图像训练集，所述的训练集包括第一数据集中的多幅已标记的面部表情图像以及第二数据集中的多幅未标记的面部表情图像，在所述的训练集中每幅已标记的面部表情图像对应一个标记标签，每幅未标记的面部表情图像对应一个随机标签；

步骤2、对所述训练集中的每幅面部表情图像进行人脸位置固定的预处理后再进行图像尺寸的归一化，获得每幅预处理后的面部表情图像；

步骤3、根据式I获得每幅预处理后的面部表情图像的相似图像：

其中，Xs为预处理后的面部表情图像，P为预处理后的面部表情图像的相似图像，M为投影矩阵，W为非负加权矩阵，E为重建误差，P1为相似图像P的低秩表示、P2为相似图像P的稀疏表示，λ1为非负加权矩阵W的参数，λ2为相似图像P的低秩表示P1的参数，λ3为相似图像P的稀疏表示P2的参数，λ1>0，λ2>0，λ3>0；

步骤4、对所有预处理后的面部表情图像的相似图像进行聚类，获得每幅预处理后的面部表情图像的相似图像的聚类结果，所述的聚类结果为每幅面部表情图像的确定标签，收集面部表情图像训练集中所有面部表情图像的确定标签，获得面部表情确定标签集；

步骤5、利用所述的面部表情图像训练集作为输入，利用所述的面部表情确定标签集作为输出，训练识别模型，获得面部表情识别模型。

2.如权利要求1所述的跨数据集面部表情识别模型构建方法，其特征在于，所述的步骤

2、对所述训练集中的每幅面部表情图像进行人脸位置固定的预处理后再进行图像格式的归一化，获得预处理后的训练集，包括：步骤21、将所述训练集中的每幅面部表情图像中的每个眼睛的中心点固定至相同位置，将所述眼睛中心点固定后的每幅面部表情图像中的嘴巴中心点固定至相同位置；

步骤22、将进行位置固定后的每幅面部表情图像进行直方图均衡化；

步骤23、将进行直方图均衡化后的每幅面部表情图像裁剪切割成尺寸相同的图像，获得预处理后的训练集。

3.如权利要求1所述的跨数据集面部表情识别模型构建方法，其特征在于，所述的步骤

4、对所有预处理后的面部表情图像的相似图像进行聚类时，采用归一化切割的谱聚类算法。

4.如权利要求1所述的跨数据集面部表情识别模型构建方法，其特征在于，所述步骤5中识别模型为SVM分类模型。

5.一种跨数据集面部表情识别方法，其特征在于，采用权利要求1-4任一项权利要求所述的面部表情识别模型对将待识别的面部表情图像进行识别，获得待识别的面部表情图像的标签。