1.一种隐私保护的表情识别方法，其特征在于，包括以下步骤：获取多幅彩色人脸图像，并对所述多幅彩色人脸图像进行预处理，得到所述多幅彩色人脸图像的颜色分量；

将所述颜色分量作为四元矩阵的虚部，构建第一四元数矩阵，并计算所述第一四元数矩阵的局部方差；

将所述局部方差作为四元矩阵的实部，将所述颜色分量作为四元矩阵的虚部，构建第二四元数矩阵；

采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理，生成实数矩阵；以及随机置乱所述实数矩阵，以进行卷积神经网络的训练，并利用训练好的卷积神经网络对所述彩色人脸图像识别验证；

其中，所述采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理，生成实数矩阵，包括：

采用所述四元数Gyrator变换对所述第二四元数矩阵进行随机相位编码，获得变换后的四元数矩阵；

提取所述变换后的四元数矩阵的四个分量，并将所述四个分量组合成实数矩阵。

2.根据权利要求1所述的隐私保护的表情识别方法，其特征在于，所述对所述多幅彩色人脸图像进行预处理，包括：对所述多幅彩色人脸图像进行人脸检测、剪切和归一化处理。

3.根据权利要求1所述的隐私保护的表情识别方法，其特征在于，所述第一四元数矩阵表示为：

R G B

qt(x,y)＝fi(x,y)i+fi(x,y)j+fi(x,y)kR G B

其中，fi (x,y)、fi (x,y)、fi (x,y)为所述彩色人脸图像的红、绿、蓝三个颜色分量，i、j、k为虚数单位。

4.根据权利要求1所述的隐私保护的表情识别方法，其特征在于，所述局部方差的计算公式为：

其中，Ip为人脸图像像素点的邻域，大小为W1×W2，L＝W1W2表示邻域内像素点的总数，表示邻域的平均灰度值，n为人脸图像的幅数。

5.根据权利要求1所述的隐私保护的表情识别方法，其特征在于，所述第二四元数矩阵表示为：

V R G B

ft(x,y)＝fi(x,y)+fi(x,y)i+fi(x,y)j+fi(x,y)kv R G B

其中，fi 为第一四元数矩阵的局部方差，fi (x,y)、fi (x,y)、fi (x,y)为所述彩色人脸图像的红、绿、蓝三个颜色分量，i、j、k为虚数单位。

6.根据权利要求1所述的隐私保护的表情识别方法，其特征在于，所述实数矩阵为：其中，Ft表示变换后的四元数矩阵，运算符S(·)、X(·)、Y(·)和Z(·)表示分别提取四元数矩阵的第一、第二、第三和第四个分量。

7.根据权利要求1所述的隐私保护的表情识别方法，其特征在于，所述随机置乱所述实数矩阵，包括：

将所述实数矩阵左右分别与仅含0,1的矩阵相乘。

8.一种隐私保护的表情识别系统，其特征在于，包括：预处理模块，用于获取多幅彩色人脸图像，并对所述多幅彩色人脸图像进行预处理，得到所述多幅彩色人脸图像的颜色分量；

计算模块，用将所述颜色分量作为四元矩阵的虚部，构建第一四元数矩阵，并计算所述第一四元数矩阵的局部方差；

构建模块，用于将所述局部方差作为四元矩阵的实部，将所述颜色分量作为四元矩阵的虚部，构建第二四元数矩阵；

加密模块，用于采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理，生成实数矩阵；以及

识别验证模块，用于随机置乱所述实数矩阵，以进行卷积神经网络的训练，并利用训练好的卷积神经网络对所述彩色人脸图像识别验证；

其中，所述采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理，生成实数矩阵，包括：

采用所述四元数Gyrator变换对所述第二四元数矩阵进行随机相位编码，获得变换后的四元数矩阵；

提取所述变换后的四元数矩阵的四个分量，并将所述四个分量组合成实数矩阵。

9.根据权利要求8所述的隐私保护的表情识别系统，其特征在于，所述预处理模块，包括：对所述多幅彩色人脸图像进行人脸检测、剪切和归一化处理。