企业官网建设流程全解析

看见“LBP+SVM人脸表情识别”这个题目，估计不少人第一反应是：这都什么年代了，怎么还在用传统机器学习搞视觉？没错，深度学习火遍天，七个类别的表情识别随手上一个CNN也能跑出不错的结果。但如果你是在做课程项目、毕业设计，或者是想在树莓派、安卓设备这种算力紧张的环境里跑实时识别，LBP+SVM这套“老古董”组合反而可能是更聪明的选择——它训练快、模型小、可解释性强，而且踩坑思路和深度学习项目完全是两套逻辑，对理解特征工程的本质非常有帮助。

这篇文章我会从原理到代码、从调参到踩坑，完整拆解一遍我做表情识别项目的全过程。内容覆盖：LBP特征为什么能“抓”表情纹理、SVM为什么和它天生搭配、一份可以直接改改就用的完整训练流程，以及我在实际项目中踩过的几个关键坑。适合想做传统视觉项目入门、正在为论文或课程作业找方案、以及想在资源受限设备上落地表情识别的同学参考。

1. 为什么在深度学习时代还值得做LBP+SVM表情识别

1.1 表情识别任务到底难在哪

表情识别本质上是一个细粒度图像分类问题，输入一张人脸图像，输出七类基础情绪：愤怒、厌恶、恐惧、快乐、悲伤、惊讶，再加一个中性，很多数据集还会加入“轻蔑”作为第八类。

难点不在“分类”本身，而在数据。人脸的细微差异、光照方向、头部姿态、遮挡（口罩、眼镜、头发）、不同人的表情表达强度天差地别。同一个“高兴”，有人只是嘴角微微上扬，有人是咧嘴大笑；同一个“惊讶”，有人瞪大眼睛，有人只是眉毛挑了一下。这种类内差异大的问题，对任何分类器都是考验。

深度学习用端到端的方式绕过了“手工特征设计”这一步，卷积网络自动学出从边缘到纹理再到语义的层次特征，效果确实好。但代价是数据量、显存和训练时间。一个典型的表情数据集训练一个像样的CNN，动辄几十分钟到几小时，而在普通家用CPU上，LBP+SVM从特征提取到模型训练，半小时之内基本全部搞定。这个时间成本差异，在做快速原型验证的时候非常关键。

1.2 这组“老方法”的应用场景反而很实用

我这些年做过几个表情识别的实际项目，发现LBP+SVM在很多真实场景里并没有被淘汰，反而有一个不可替代的位置：离线实时推理。

在嵌入式设备上，一个完整的深度学习表情识别链路是“人脸检测网络 + 表情分类网络”，两个网络叠起来占用内存往往数百MB起步，推理延迟在CPU上经常超过200毫秒。而LBP特征提取本质是像素比较和直方图统计，SVM推理是一次支持向量的内积计算，整个流程在ARM级别的CPU上也能轻松跑到每帧几十毫秒。再配合OpenCV的人脸检测器，整个引擎的内存占用压缩到几十MB以内。

还有一个容易被忽视的优点：可解释性。LBP+SVM可以被拆解成“哪个面部区域的哪个纹理模式激活了分类器”，这在很多需要向非技术方解释模型行为的场景里非常加分。深度学习模型做得再好，也很难说清楚它是靠什么特征做出的判断。

当然，传统方法在识别精度上限上确实比不过深度学习——在光照剧变、严重遮挡、姿态任意的自然场景下，LBP+SVM的泛化能力会比较吃力。我的看法是：不要拿它和ResNet比武，而是要清楚自己的项目约束在哪。如果你的场景是受控环境、固定摄像头、资源受限，或者你只是想用最快的方式理解“特征+分类器”这套机器学习的经典叙事，LBP+SVM依然是值得投入时间去做的方案。

2. LBP特征如何“读取”一张脸的表情纹理

2.1 原始LBP的工作机制：像素比较的二进制编码

LBP的全称是Local Binary Pattern，局部二值模式，最早由Ojala等人在1996年前后提出，用来描述图像的局部纹理特征。它的核心思想非常朴素：把一个像素和它周围邻域像素做比较，大于中心像素记为1、小于等于记为0，按顺序排列成一个二进制串，再转成十进制数，这个数就是该像素的LBP编码值。

以最原始的3×3邻域为例：选定中心像素，周围有8个邻居，每个邻居比较后得到0或1，按顺时针排出一个8位二进制数，取值范围在0到255之间。整张图每个像素都做一遍这个操作，就得到了一张“LBP图”，这张图不再直接反映灰度，而是反映每个像素附近的灰度变化模式。

这里有一个很重要的性质：因为比较的是相对大小而非绝对灰度，LBP对光照的线性变化天然不敏感。如果光照让整张图像素灰度统一乘了一个系数、加了一个偏移，二进制编码的结果几乎不变。这也是LBP能在人脸识别领域长期立足的根本原因之一。

2.2 表情的本质是纹理变化，不是颜色

人脸图像里，肤色、五官轮廓当然包含信息，但对表情识别来说，真正有效的信息恰恰是表情发生时面部肌肉牵拉导致的局部纹理变化——眼角的鱼尾纹加深、额头的抬头纹、嘴角的纹路走向。这些变化幅度很微妙，但会在局部范围内形成规则的灰度梯度模式。

LBP恰好擅长描述这类局部纹理。它的编码结果中，某些特定模式代表“边缘”、某些代表“平坦区域”、某些代表“角点”，直方图统计之后就能形成一张脸独有的纹理特征描述。相比之下，颜色直方图、边缘直方图这些更粗糙的特征，在跨人种、跨光照的表情识别任务里表现都远不如LBP。

这解释了为什么LBP几乎成了传统表情识别领域的事实标准特征：它压缩了光照和肤色信息，放大了局部纹理变化信息，而表情识别的任务恰好需要的是后者。

2.3 从原始LBP到圆形邻域与uniform等价模式

原始3×3 LBP有个明显局限：固定半径、固定8个点，只能捕捉像素级的微纹理，尺度太小。后续的工作把它一般化成圆形邻域：给定半径R和采样点数P，在半径为R的圆上均匀取P个点，采样点落在非整数像素位置时用双线性插值计算灰度值。这样一来，R=1、P=8近似原始3×3，R=2、P=16则能捕捉更大范围内的纹理模式。

另一个重要改进是uniform模式，也叫等价模式。一个二进制串在圆周上“0→1”或“1→0”的跳变次数被称为U值。实验发现，自然界绝大多数纹理模式都是低跳变的，比如00000000（平坦）、11110000（边缘分界），而那些高跳变的模式（如10101010）通常是噪声。因此Ojala等人把U值不超过2的模式定义为等价模式，单独编号；所有非等价模式归入同一类。

这一步带来的直接收益是特征维度急剧下降。以P=8为例，原始LBP有256种模式，unifrom模式只保留58种常见模式再加1个非等价大类，共59个直方图区间；P=16时从65536种降到242个等价模式加1个非等价，共243个区间。维度低了，直方图统计变得更稳定，分类器也更不容易过拟合。

这里我必须提一个很多人会踩的坑：网上大量教程写n_bins=n_points+2，直接拿它当直方图区间数。这个公式其实是旋转不变uniform模式（nri_uniform）的bin数量，普通uniform模式在P=8时是59个bin，P=16时是243个bin。正确的做法是直接用int(lbp.max() + 1)从结果里反推bin数量，不要再“想当然”地写死。skimage的local_binary_pattern函数有个特性：返回数组里每个位置的值就是该像素落入的bin索引，所以lbp.max()加1就是真实的bin数。

2.4 分块直方图：保留空间位置信息的关键一步

整张LBP图直接摊平成一个向量——把每个像素的编码值当成一个维度——这是灾难性的：维度高、噪声大、还要求两张脸像素级别对齐。标准做法是分块直方图，即将LBP图划分成若干不重叠的矩形区域，每个区域内分别统计直方图并归一化，然后把所有块的直方图拼接成一个一维特征向量。

分块的意义在于保留纹理模式的空间位置信息。一块8×8的分块策略相当于把人脸切成64个区域，眉毛、眼睛、嘴部的纹理变化分别被不同块记录，这样的特征向量才真正具备“脸部结构”语义。很多人做表情识别效果差，不是LBP本身有问题，而是没有分块，整张脸只给了一个全局直方图，空间信息全丢光了。

分块数量也要权衡。4×4=16块时特征向量偏短，分类精度不够；8×8=64块时在多数数据集上表现稳定；16×16=256块时特征维度膨胀，在小样本数据集上反而容易过拟合，训练时间也大幅增加。我自己的实践是从4×4起步，逐步加大到8×8，对比验证后再确定，这个后面具体说。

3. SVM分类器：为什么LBP的“黄金搭档”是它

3.1 最大化间隔：从“找条线”到“找最宽的路”

SVM，支持向量机，核心思想简单易懂：要在两类样本之间找一个决策边界，但这个边界不是随便一条能把数据分开的线，而是离两侧最近样本都尽量远的那条线——你可以理解为要在两类点之间修一条“最宽的马路”，马路中线就是决策边界，路两侧的“护栏”由距离边界最近的几个样本点决定，这些点就是支持向量。

为什么“最宽的马路”比“能分开的线”更好？因为马路越宽，边界对轻微扰动的容忍度越高。样本稍微有点噪声、有点波动时，决策边界不容易误判。这个性质叫做最大化间隔，它让SVM在样本量不大时也能有不错的泛化表现。

LBP分块直方图拼接出的特征向量，动辄几千维，而且很多位置的值可能是稀疏的、分布不均的，用朴素的距离类分类器很容易被某些高幅值维度牵着鼻子走。SVM通过间隔最大化和松弛变量机制，在高维空间里依然能稳定地找到合理的决策边界，这正是它适合高维特征的原因。

3.2 核函数：把线性不可分变成线性可分

LBP特征在原始空间里通常不是线性可分的。“高兴”和“悲伤”的直方图分布可能有交叠，不同类别的样本在特征空间中像两团纠缠在一起的毛线球。核函数的思路是：通过某个映射函数把样本从原始特征空间映射到一个更高维的空间，使原本纠缠不清的样本在高维空间里变得线性可分，然后在那个空间里做间隔最大化。

实际使用中不需要真的算出高维空间的坐标，只需要定义两个样本在高维空间的内积，也就是核函数值。最常用的RBF（径向基函数）核，形式是K(x,y) = exp(-γ·||x-y||²)，它衡量的是两个样本在原始空间的欧氏距离对相似度的影响。RBF核只有一个参数γ需要调，但表达能力足够覆盖大部分非线性问题，因此在LBP+SVM的工程实践中，RBF核是默认选项。

这里有两个必须理解的核心参数。C是误分类惩罚系数，C越大，模型越不愿意容忍任何训练样本被误分类，边界会变得更加曲折，容易过拟合；C越小，边界越平滑，但训练集上的误差会变大。γ是RBF核的宽度参数，γ越大，每个样本的影响范围越小，边界越复杂，同样容易过拟合；γ越小，边界越平滑。这两个参数需要配合调，通常会做一个网格搜索确定组合。

3.3 同场对比：为什么不是KNN也不是随机森林

我在项目早期也试过K近邻和随机森林做LBP特征的分类器，横向对比之后才把SVM定为最终选择。

KNN的思路是“物以类聚”：测试样本看它最近的K个训练样本属于哪一类。它的问题有两个：一是计算量随训练样本数线性增长，推理时要算测试样本和所有训练样本的距离，表情数据集动辄上万样本，实时推理会很吃力；二是高维空间下欧氏距离的区分度快速下降，即所谓“维度灾难”，LBP这种高维稀疏特征对KNN并不友好。

随机森林是集成树模型，对高维特征有天然的容忍度，训练速度也快。但在我的测试中，它对LBP特征的精度通常略低于调好参数的SVM，而且模型的决策边界是“阶梯状”的，解释起来不如SVM的超平面直观。更重要的是，SVM模型一旦训练完，推理就是计算少量支持向量的内积，规模和效率都优于KNN和树模型。

用一句话总结：LBP给SVM提供了高维、稀疏但信息量充足的纹理特征，SVM则提供了一个稳健、高效、适合中小样本的分类框架。两者结合的成熟度，在传统视觉领域几乎无出其右。

4. 从零实现：数据、代码、训练与评估的完整流程

4.1 数据准备与预处理：先把人脸收拾干净

我采用的公开数据集是FER2013这一类灰度表情数据集，48×48分辨率，包含7类表情。训练集大约28000张，测试集7000张左右。你也可以换成CK+这类可控环境数据集，后者精度会高很多，但数据量小，评估时要注意划分方式。

拿到数据后的第一步不是提特征，而是做人脸预处理。表情数据集里的图片如果已经是裁剪好的人脸，仍建议做两步操作：一是统一缩放到相同尺寸，实践中128×128是一个性能与精度的平衡点；二是做人脸对齐——通过检测双眼位置，计算两眼连线的倾斜角度，用仿射变换把人脸旋转到两眼水平的位置。

人脸对齐这一步的重要性我再强调都不为过。LBP分块直方图严重依赖空间对应关系，眼睛在块1、嘴在块5的“标准脸”结构一旦被旋转或缩放破坏，同一类表情的特征向量就会出现巨大的位置漂移，分类器学到的内容会变得极其混乱。关于对齐的具体细节和踩坑过程，我放到后文专门讲。

可选但建议尝试的预处理是直方图均衡化，尤其是数据集中有部分图片整体偏暗或偏亮时。这里我推荐用CLAHE（限制对比度自适应直方图均衡化）而不是全局直方图均衡化，后者容易把噪声放大，细节反而被破坏。

4.2 LBP特征提取：完整可用的Python实现

特征提取核心代码大约就是下面这个函数的样子。它接收一张灰度图，输出一维特征向量，参数包括LBP邻域半径、采样点数和分块网格数。我直接用了scikit-image的local_binary_pattern，比自己手写循环快得多，而且数值更稳定。

import numpy as np from skimage.feature import local_binary_pattern def extract_lbp_features(gray, radius=2, n_points=16, num_blocks=(8, 8), method='uniform'): # 计算整张LBP图 lbp = local_binary_pattern(gray, n_points, radius, method) # uniform方法下，用最大值+1反推bin数量，避免手工写死n_bins n_bins = int(lbp.max() + 1) h, w = lbp.shape bh, bw = h // num_blocks[0], w // num_blocks[1] feats = [] for i in range(num_blocks[0]): for j in range(num_blocks[1]): block = lbp[i*bh:(i+1)*bh, j*bw:(j+1)*bw] hist, _ = np.histogram(block, bins=n_bins, range=(0, n_bins)) # 归一化，消除不同块面积带来的幅度差异 hist = hist.astype(np.float32) hist /= (hist.sum() + 1e-6) feats.extend(hist) return np.array(feats)

这段代码里最值得注意的就是n_bins的取值方法：int(lbp.max() + 1)。这是我在项目里踩过坑才改过来的写法。早些版本我直接写死n_bins=59配合radius=2、n_points=16，导致直方图只覆盖了前59个区间，分类精度掉了好几个点，排查了很久才发现是这个“不起眼”的参数搞的鬼。

还有一个实践细节：特征提取是纯计算密集型操作，在几万张图上循环跑会很慢。可以用multiprocessing开多进程并行提取，或者提前把特征全部缓存成.npy文件，训练阶段只加载不重复计算。数据量大的时候，这一步能节省大量时间。

4.3 SVM训练：流水线、标准化与网格搜索

特征提取完成后，训练部分就是一个标准的机器学习流水线。我习惯用sklearn的Pipeline把标准化和SVM串起来，配合GridSearchCV做参数搜索。

标准化这一步特别重要。LBP直方图归一化之后，每个块的幅度量级已经接近，但不同块的方差仍然不同。SVM的RBF核基于欧氏距离计算相似度，如果某些维度的数值普遍偏大，它们就会主导距离计算，压制其他维度的影响。StandardScaler让所有维度处于同一尺度，能让核函数更公平地利用所有特征。

下面的代码展示了完整的训练流程：先标准化，再做RBF-SVM，然后用交叉验证搜索C和gamma的最优组合。

import joblib from sklearn.svm import SVC from sklearn.pipeline import Pipeline from sklearn.preprocessing import StandardScaler from sklearn.model_selection import GridSearchCV, cross_val_score # X_train: (n_samples, n_features) 的LBP特征矩阵 # y_train: (n_samples,) 的标签 pipe = Pipeline([ ('scaler', StandardScaler()), ('svm', SVC(kernel='rbf', class_weight='balanced')) ]) param_grid = { 'svm__C': [0.1, 1, 10, 100], 'svm__gamma': [0.001, 0.01, 0.1, 1] } grid = GridSearchCV(pipe, param_grid, cv=5, scoring='f1_macro', n_jobs=-1) grid.fit(X_train, y_train) print('best params:', grid.best_params_) print('best cv score:', grid.best_score_) joblib.dump(grid.best_estimator_, 'emotion_svm.pkl')

class_weight='balanced'是我在类别不均衡数据集上一定会开的开关。表情数据集的样本分布通常不均衡，中性、快乐样本偏多，厌恶、恐惧样本偏少，不开这个参数的后果是模型会变得“偏科”：总体准确率看着还行，少数类几乎全分错。

4.4 评估指标：准确率之外必须看混淆矩阵

训练完成后，用测试集评估不能只看准确率。我见过太多只报accuracy的项目，一个0.62的准确率看起来还行，但打开混淆矩阵一看，厌恶类别的召回率是0.03，几乎全被分成了愤怒或中性。

表情识别的混淆矩阵有几个非常典型的“疑难配对”：恐惧和惊讶容易互混，愤怒和厌恶容易互混，中性容易吞并其他所有类别。这些混淆不是偶然——这几类表情本身在面部纹理形态上就有交叉，惊讶和恐惧都会张大嘴巴、睁大眼睛，区别主要在眉部细节。因此评估时要重点看每个类别的precision和recall，以及macro-F1，而不是被总体准确率麻痹。

我在项目中固定用5折交叉验证做参数选择的评分，用独立的测试集做最终评估。GridSearchCV的scoring参数建议设为'f1_macro'，它会对每个类别一视同仁，比默认的accuracy更契合表情识别这种不均衡分类任务。

5. 参数调优实战：我跑过的对照实验与结论

5.1 LBP参数对照：半径、采样点数与分块数

固定SVM参数（RBF核、C=10、gamma=0.01）不变，只改变LBP参数，我在某公开数据集子集上跑过一组对照实验，结果大致如下：

这组数据印证了几个判断。第一，并不是半径越大越好；R=2、P=16这个组合捕捉的是“皱纹级”的中尺度纹理，和表情变化的尺度正好匹配，R=1太细容易被像素噪声干扰，R=3又太宏观，把细微表情差异磨平了。第二，分块从4×4增加到8×8的收益非常明显，说明空间位置信息对表情识别极其重要；但继续加到16×16时精度开始下降，因为每个分块区域太小，直方图统计变得不稳定，特征维度却大幅膨胀。

这个特征维度膨胀的问题也要重视。同样用8×8分块，R=1、P=8只有3776维，R=3、P=24有38880维，后者训练时间翻了近十倍，精度反而没有提升。所以选参数不能贪多求大，要让特征维度和数据量匹配，找到那个“性价比”最高的拐点。

5.2 SVM超参搜索：C和gamma的搭配逻辑

在固定LBP为radius=2、P=16、8×8分块的前提下，我对C和gamma做了网格搜索。实验结论和教科书上的规律完全一致：

C从小到大提升时，模型从欠拟合逐渐过渡到过拟合。C=0.1时决策边界过于宽松，测试集准确率明显偏低；C=10附近是一个稳定区间；C=100以后训练集准确率接近99%，测试集却不再提升，说明已经开始死记硬背训练样本了。

gamma的影响更微妙。gamma=0.001时决策边界太光滑，几乎所有类别的分界都是大弯弧，精度上不去；gamma=1时每个样本的影响范围只局限在极小的邻域，边界变得支离破碎，测试集出现明显过拟合。最优值落在0.01附近，此时边界既有足够的复杂度去划分类别，又不至于围着单个样本打转。

我的网格范围习惯是C从0.1到100每10倍一档，gamma从0.001到1每10倍一档，找到最优区间后再在更细的网格里二次搜索。这是我最常用的调参套路，简单直接，效果稳定。

5.3 样本不均衡与数据增强的简易补救

表情数据集的另一个老问题是类别不均衡。FER2013里“中性”和“快乐”样本数量通常是“厌恶”“恐惧”的两倍以上，训练出来的模型天然偏向样本多的类别。

最简单有效的补救是给SVM加class_weight='balanced'，让少数类在损失函数中获得更高的权重。加了之后厌恶类别的recall从我之前提到的0.03提升到接近0.35，虽然依然不够理想，但比不加要好得多。

想要更进一步，就需要在数据层面想办法。我常用的两个手段：一是对少数类做上采样，即复制少数类样本或做垂直翻转、小角度旋转、轻微缩放等几何增强；二是只对训练集做增强，验证集和测试集保持原样，否则评估结果会失真。几何增强对LBP特征尤其友好，因为水平翻转不会改变纹理的统计分布，只是左右互换位置，对LBP直方图的串联顺序影响有限，等于在不改变语义的前提下成倍扩充数据。

6. 踩坑记录与工程化建议

6.1 坑一：没有对齐的人脸，LBP特征再精细也白搭

我在第一个版本的项目里犯过一个低级错误：偷懒跳过人脸对齐，直接拿原始人脸图像提LBP特征。跑出来的结果惨不忍睹——测试集准确率比随机猜好不了多少，仔细看混淆矩阵，连快乐和悲伤都分不清楚。

原因前面提过：LBP分块直方图本质上是“空间位置敏感”的特征。不同图片中眼睛位置高低不齐、人脸尺度过大过小、旋转程度不一，同一个表情的纹理特征会散落在完全不同的分块中。这等于把特征向量的维度全部打乱重排，再强的分类器也无能为力。

解决方案是做人脸对齐。我用OpenCV的Haar级联检测人脸和双眼，计算两眼中心的连线角度，然后对整张人脸做仿射变换，旋转到两眼水平且距离固定的标准位置。这一步做完之后，同样参数下测试集准确率提升了大概8到10个百分点。这个收益是压倒性的，任何后续优化都无法替代它。

6.2 坑二：极端光照让LBP的“鲁棒性神话”失效

LBP对光照的线性变化有理论上的不变性，这个没错，但真实场景里的光照问题远没有教科书那么理想。过强的侧光会在人脸表面产生大面积阴影，过暗的环境会让整张脸陷入近乎黑色的区域，过曝会直接把额头和颧骨的纹理细节抹平。在这些极端情况下，LBP编码的结果不再是稳定的纹理描述，而是大面积的平坦区域加噪声，直方图严重漂移。

我的处理办法是在预处理阶段加一层CLAHE限制对比度自适应直方图均衡化。它把图像划分为小块，在每个小块内做局部直方图均衡，同时限制对比度放大幅度，避免噪声被同步放大。实际操作中CLAHE对暗部细节的恢复效果尤其明显，能让LBP在光照不均的测试集上挽回4到6个点的准确率。

经验是：不要在代码里默认加CLAHE，先在不加的条件下跑一遍，然后加上再跑一遍，对比的效果放在实验记录里。因为CLAHE会对原本光照良好的图片引入额外的增强噪声，在某些数据集上反而有害。拿数据说话，不要凭感觉。

6.3 坑三：类别不均衡让SVM只记得“快乐”

这个坑我们在评估部分已经提前提过。当时我觉得总体准确率到了0.66挺满意，但是看到分类报告才意识到：快乐类别的recall接近0.85，厌恶类别的recall只有0.03，恐惧也只有0.16。

根源还是数据分布。训练集中中性、快乐样本占比高，SVM优化的目标是整体误分类最小化，而类别不均衡会让它倾向于把所有难以判断的样本都归入样本量大的类别。这种“隐性偏科”在准确率指标上很难暴露，必须看分类报告和混淆矩阵。

处理方案按优先级排序：先开class_weight='balanced'，再做少数类的上采样和数据增强。这两步做完，厌恶类别的recall能提升3倍左右。如果数据量允许，还可以试试按类别比例采样，但效果上不如前两种来得直接。

6.4 从实验室Demo到实时设备的工程化建议

如果你想把这套方案做成一个能实时跑的表情识别接口，我建议的链路是：摄像头帧输入 → OpenCV人脸检测 → 仿射变换对齐 → 提取LBP特征 → SVM预测 → 输出标签。

这里有几个工程细节需要注意。第一，LBP特征提取在Python里逐帧跑会因为解释器开销变慢，建议把特征提取封装成C++或Cython实现，或者直接用编译好的库接口。第二，SVM推理本身很轻量，但sklearn的决策函数调用有一定固定开销，实时性要求高时可以用libsvm的C接口或者把模型转换成ONNX，推理速度会快一个量级。第三，单帧预测容易抖动，可以加一个简易的时序约束——连续5帧中同一表情出现3次才输出，能显著提升实际体验。

我自己在实际部署中还用过一个更轻量的技巧：对最近N帧的表情标签做滑动窗口投票。表情在视频里是连续变化的，一帧误判被多数票拉平后，整体输出会稳定得多。这个思路不增加任何模型复杂度，效果却比单帧结果好很多。

再补充一个值得关注的扩展方向：把LBP分块直方图替换成Gabor小波特征做拼接。LBP擅长捕捉微观纹理，Gabor擅长捕捉方向和尺度信息，两者在特征层面拼接后送给同一个SVM，在很多数据集上能再提升1到2个百分点。代价是特征维度更高、计算更慢，适合在精度优先且资源充足的场景下尝试。