提出基于分块LBP-TOP(Local Binary Patterns from Three Orthogonal Planes)特征和改进的加权稀疏表示分类解决微表情识别与专用线车辆状态检测问题。首先利用LBP-TOP特征描述符对从分块图像中选择出的有效块进行提取特征，将提取的特征作为字典，采取加权稀疏表示(Weighted Sparse Representation，WSRC)和对偶增广拉格朗日乘子法(Dual Augmented Lagrange Multiplier，DALM)相结合的算法(WSRC_DALM)进行稀疏表示分类；然后利用不同尺寸的块划分图像，选择有效块提取特征，特征融合后参与分类。在CASME Ⅱ与SAMM表情数据库上采用“留一人交叉验证”(Leave One Subject Out, LOSO)的分类方法进行5分类，得到的识别率分别达到了77.30%与58.82%，在车辆状态检测检测数据库上的实验达到了84.60%的检测率。实验结果表明了所提出算法的有效性。