1.基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，包括，一、采集测试者的眼面部运动参数，包括以下参数，
(1)眼球水平扫视、垂直扫视及眨眼的频率、速度、幅度；
(2)额肌及面颊部肌肉收缩幅度、速度和频率；
(3)口角和唇部收缩的频率、速度和幅度；
(4)头部的运动幅度和频率；
(5)面部肌肉从静态‑动态‑恢复到静态时的时长；
二、将步骤一中的眼面部运动参数进行标定及位置向量化，从而构建出面部形状模型及纹理模型，
三、对步骤二中的纹理模型进行组合并进行加权运算，自动搜索、跟踪及定位患者的特征点。
2.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述步骤三中的特征点定位方法如下：
1)、利用算法读取预判视频中面部各特征关键点之间的距离；
2)、将相邻帧间，各特征关键点间的距离做差值计算，并统计差值变化量；
3)、分别统计预先标记不同阶段帕金森患者在差值变化量上的差异性，通过计算差值变化量众数划定判定阈值区间；
4)、利用新的帕金森患者样本微调阈值区间，使其判定准确性稳步优化提升；
5)、当帕金森综合症辅助诊断标准达到一定准确率后，正式确立判定指标为帕金森综合症判定的显著性指标，并基于这些显著性指标形成患者判定标准。
3.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述眼球运动频率、运动速度和运动幅度的计算公式分别如下：
统计某时间段眼球运动的次数：
计算某时间段眼球运动的速度：
取某时间段眼球运动幅度的最大值：
其中，EB表示眼球，Fr表示视频帧，i和j分别表示两个不同的关键特征点；t和t’分别表示视频中的不同两帧的时间点。
4.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述眨眼的频率、速度、幅度的计算公式分别如下：
统计某时间段眨眼的次数：
计算某时间段眨眼速度：
取某时间段眨眼幅度的最大值：
其中，B表示眨眼。
5.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述额肌额肌频率、幅度和速度的计算公式如下，
统计某时间段额肌收缩的次数：
计算某时间段额肌收缩速度：
取某时间段额肌肉收缩幅度的最大值：
其中，MF表示额肌。
6.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述面颊部肌肉收缩幅度、速度和频率的计算公式如下，
计算某时间段额肌收缩速度：
取某时间段额肌肉收缩幅度的最大值：
统计某时间段面颊肌收缩的次数：
计算某时间段面颊肌收缩速度：
取某时间段面颊肌收缩幅度的最大值：
其中，FA表示面颊肌。
7.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，口角的频率、速度和幅度的计算公式如下，
统计某时间段口角收缩的次数：
计算某时间段口角收缩速度：
取某时间段口角收缩幅度的最大值：
其中，Q表示口角。
8.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，唇部的频率、速度和幅度的计算公式如下：
统计某时间段唇部收缩的次数：
计算某时间段唇部收缩速度：
取某时间段唇部收缩幅度的最大值：
其中,L表示唇部。