一种基于稀疏共享迁移回归模型的跨库微表情识别方法技术

本发明专利技术公开了一种基于稀疏共享迁移回归模型的跨库微表情识别架构，架构主要包括基于源域和目标域微表情数据库的特征提取、学习优化一种更加共享的迁移回归模型和针对目标域微表情数据库样本的识别。本发明专利技术从均值和协方差矩阵角度来减小源域和目标域的分布差异，将标签的源域和未标签的目标域映射到公共的特征空间，再通过优化稀疏回归系数矩阵对三个时空描述符进行大量的实验。在与其他7种领域自适应的方法进行比较的过程中，证明了所提出发明专利技术确实优于另外7种方法。

【技术实现步骤摘要】
一种基于稀疏共享迁移回归模型的跨库微表情识别方法
本专利技术涉及模式识别、情感计算，尤其涉及一种基于领域自适应的微表情跨库识别方法。
技术介绍
微表情是一种情绪表达，微表情不仅简短轻微，仅能持续0.04～0.2s，但更重要的是，它是不自觉和自发情况下产生的。一般来说，对于没有经验的人来说是很难识别的，甚至是经过专业训练后。近年来，微表情识别得到了广泛的应用,因为它可广泛应用于大部分心理及临床诊断场景，警用讯问、国家与公安安全、欺骗分析等。Zhao等人提出了一种三维空间上扩展的动态纹理LBP-TOP(LocalBinaryPatternonThreeOrthogonalPlanes)的识别方法，通过结合XY、XT和YT这三个平面的局部二进制模型。为了减少LBP-TOP描述符的冗余，Wang等人提出的六交点局部二进制模型LBP-SIP(LBPwithSixIntersectionPoints)以提高计算的效率。受LBP-TOP的启发，Li等人提出了二维时空的HOG和HIGO的三维时空版本HOG-TOP(HistogramsofOrientedGra本文档来自技高网...

【技术保护点】
1.一种基于稀疏共享迁移回归模型的跨库微表情识别方法，其特征在于，该方法包括：/n(1)获取两个采用环境完全不同的微表情数据库，分别作为源域和目标域，并针对标签类别不一致的情况下对微表情数据库样本进行标签再定义；/n(2)采用分层划分的方案，结合1×1、2×2、3×3和4×4这四种网格，最终将人脸划分为85个面部块，然后对源域和目标域的微表情数据库分别提取LBP-TOP、LBP-SIP和HOG-TOP这三种时空描述符特征；/n(3)建立稀疏共享迁移回归模型，将标签的源域和未标签的目标域特征空间通过稀疏回归系数矩阵映射到共享的特征空间上，且通过均值和协方差矩阵迭代优化该矩阵以减小两域特征空间的分...

【技术特征摘要】
1.一种基于稀疏共享迁移回归模型的跨库微表情识别方法，其特征在于，该方法包括：
(1)获取两个采用环境完全不同的微表情数据库，分别作为源域和目标域，并针对标签类别不一致的情况下对微表情数据库样本进行标签再定义；
(2)采用分层划分的方案，结合1×1、2×2、3×3和4×4这四种网格，最终将人脸划分为85个面部块，然后对源域和目标域的微表情数据库分别提取LBP-TOP、LBP-SIP和HOG-TOP这三种时空描述符特征；
(3)建立稀疏共享迁移回归模型，将标签的源域和未标签的目标域特征空间通过稀疏回归系数矩阵映射到共享的特征空间上，且通过均值和协方差矩阵迭代优化该矩阵以减小两域特征空间的分布差异；
(4)预测目标域微表情数据库样本的标签，将可能性最大的作为该样本的预测标签类别。从准确率和meanF1-score两个角度来分析该模型的识别表现，并在上述三种时空描述符上与其他七种领域自适应的方法进行实验对比和分析。


2.根据权利要求1所述的基于稀疏共享迁移回归模型的跨库微表情识别方法，其特征在于，步骤(1)中，对微表情数据库样本进行标签再定义，具体措施是：
由于采用的是SMIC和CASMEII这两个微表情数据库，因此需要对CASMEII的微表情的标签类别进行重新定义，使得其与SMIC的微表情数据库类别保持一致；具体措施是：将CASMEII中的快乐标签重新定义为正性标签、反感和压抑标签重新定义为负性标签，而惊讶标签保持不变。


3.根据权利要求1所述的基于稀疏共享迁移回归模型的跨库微表情识别方法，其特征在于，在步骤(3)中，通过均值和协方差矩阵迭代优化该矩阵以减小两域特征空间的分布差异，采用的稀疏共享迁移回归模型的具体表达式为：



式中Ls是源域标签，U稀疏回归系数矩阵,其中Xs是源域，Xt是目标域，ns和nt是两域的样本个数，1s和1t是值都为1的向量，是F范数。...

【专利技术属性】
技术研发人员：宗源，朱洁，郑文明，宋宝林，赵力，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32