一种基于宏信息知识迁移的微表情识别方法技术

本发明专利技术涉及一种基于宏信息知识迁移的微表情识别方法；包括：(1)对宏信息样本和微表情样本进行核函数映射；(2)将核函数映射后的宏信息样本和微表情样本进行局部优化，使得某个样本的k

A micro expression recognition method based on knowledge transfer of macro information

The invention relates to a micro expression recognition method based on the knowledge transfer of macro information, which includes: (1) mapping the core function of macro information sample and micro expression sample; (2) local optimization of macro information sample and micro expression sample after mapping the core function, so as to make the K of a sample

【技术实现步骤摘要】
一种基于宏信息知识迁移的微表情识别方法
本专利技术属于模式识别以及机器学习
，涉及到核耦合判别局部块对齐方法和迁移支持向量机模型，尤其涉及到一种基于宏信息知识迁移的微表情识别方法。
技术介绍
微表情，也叫面孔微反应，是指人们在受到有效刺激的0.5秒内,不由自主表现出的不受思维控制的瞬间真实反应。微表情是面部肌肉不充分收缩而产生的，它作为微反应的一种，是人类经过长期进化遗传、继承下来的，是人类的本能反应。微表情反映了在人类产生情绪时面部肌肉的运动模式，具有持续时间短、强度低、难以诱导等特征，这使它成为精神心理学和情感分析领域最可靠的生理特征之一。微表情作为人内在情绪的真实表现，能够揭示一个人的真实情绪，哪怕一个人试图隐藏真正的情绪，面部肌肉的运动、收缩也能够对真实的情绪进行揭示。而微表情的存在时间非常短，最短可只持续1/25秒，通常清醒的做表情的人和观察者都察觉不到微表情的存在，但它却是真实存在的。虽然微表情的持续时间很短，但它可以揭示心里的真实感受，从而为判断人的精神状态提供可靠依据。微表情的研究已经渗透到国家安全、司法审讯、医学本文档来自技高网...

【技术保护点】
1.一种基于宏信息知识迁移的微表情识别方法，其特征在于，包括：/n(1)对宏信息样本和微表情样本进行核函数映射；/n(2)将核函数映射后的宏信息样本和微表情样本进行局部优化，使得某个样本的k

【技术特征摘要】
1.一种基于宏信息知识迁移的微表情识别方法，其特征在于，包括：
(1)对宏信息样本和微表情样本进行核函数映射；
(2)将核函数映射后的宏信息样本和微表情样本进行局部优化，使得某个样本的k1个类内最近邻样本之间距离最小，使该样本的k2个类间最近邻样本之间的距离最大；
(3)通过整体对齐将步骤(2)得到的局部优化结果累加，使得样本整体的类内距离最小，类间距离最大，得到一组投影矩阵，将宏信息样本和微表情样本投影到一个共同子空间；
(4)通过迁移支持向量机模型进行分类。


2.根据权利要求1所述的一种基于宏信息知识迁移的微表情识别方法，其特征在于，所述步骤(1)，对宏信息样本和微表情样本进行核函数映射，包括：
设定宏信息样本集合为数据集合设定微表情样本集合为数据集合通过映射函数fx，将数据集合从原空间映射到同一子空间；通过映射函数fy，将数据集合从原空间映射到同一子空间；
设定源域特征集为x1,x2,……,xM，设定目标域特征集为y1,y2,……,yM，通过核映射φ将原始向量特征映射到高维的特征空间，即将源域特征集x1,x2,……,xM映射为φ(x1),φ(x2),……,φ(xM)；将目标域特征集y1,y2,……,yM映射为φ(y1),φ(y2),……,φ(yM)。


3.根据权利要求2所述的一种基于宏信息知识迁移的微表情识别方法，其特征在于，所述步骤(2)、步骤(3)，包括步骤如下：
A、将核函数映射后的宏信息样本和微表情样本进行局部优化，使得某个样本的k1个类内最近邻样本之间距离最小，使该样本的k2个类间最近邻样本之间的距离最大；
B、整体对齐，即将步骤A得到的局部优化结果进行累加，使得样本整体的类内距离最小，类间距离最大，得到投影矩阵P1和P2，投影矩阵P1、P2分别满足式(Ⅰ)、式(Ⅱ)：
A＝P1TΦ(X)(Ⅰ)
B＝P2TΦ(Y)(Ⅱ)
式(Ⅰ)、式(Ⅱ)中，Φ(X)＝[φ(x1),φ(x2),…,φ(xM)]，Φ(Y)＝[φ(y1),φ(y2),…,φ(yM)]；
A是指Φ(X)经过投影后在共同子空间中的表示，B是指Φ(Y)经过投影后在共同子空间中的表示；
C、对于给定的样本φ(xi)，1≤i≤M，根据样本集合的类标签信息，将样本φ(xi)的异构样本分为两种，一种为与样本φ(xi)同类的异构样本，另一种为与样本φ(xi)异类的异构样本；
在与样本φ(xi)同类的异构样本中，选择k1个近邻样本按照近邻的顺序排列，表示为
在与样本φ(xi)异类的异构样本中，选择k2个近邻异构样本，按照近邻顺序进行排列，表示为
合并样本φ(xi)的k1个近邻样本与样本φ(xi)的k2个近邻样本，构成样本φ(xi)的局部块
D、对于给定的样本φ(yi)，1≤i≤M，根据样本集合的类标签信息，将样本φ(yi)的异构样本分为两种，一种为与样本φ(yi)同类的异构样本，另一种为与样本φ(yi)异类的异构样本；
在与样本φ(yi)同类的异构样本中，选择k1个近邻样本按照近邻的顺序排列，表示为
在与样本φ(yi)异类的异构样本中，选择k2个近邻异构样本，按照近邻顺序进行排列，表示为
合并样本φ(yi)的k1个近邻样本与样本φ(yi)的k2个近邻样本，构成样本φ(yi)的局部块
E、对于每个局部块来说，在共同的子空间中，Φ(Xi)对应的映射后的共同子空间局部块为Φ(Yi)对应的映射后的共同子空间局部块为ai,表示样本φ(xi)经过投影后在共同子空间构成的局部块的近邻样本；bi,表示样本φ(yi)经过投影后在共同子空间构成的局部块的近邻样本；
F、在映射后的共同子空间中，使得同类的近邻样本之间的距离最小，异类的近邻样...

【专利技术属性】
技术研发人员：贲晛烨，贾希彤，朱雪娜，翟鑫亮，孙静，陈瑞敏，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37