[发明专利]基于双稀疏迁移学习的跨库微表情识别方法及装置

权利要求书

1.一种基于双稀疏迁移学习的跨库微表情识别方法，其特征在于该方法包括：

(1)获取两个不同的微表情数据库，分别作为训练数据库和测试数据库，其中，每个微表情数据库中包括有若干微表情数据和对应的情感类别标签；

(2)将训练数据库和测试数据库中的微表情数据分别进行预处理，得到每段微表情数据的LBP-TOP特征；

(3)建立双稀疏迁移学习模型，所述双稀疏迁移学习模型包括一项投影向量均值项以及两项正则化稀疏项；

(4)将训练数据库和测试数据库中微表情数据的LBP-TOP特征和对应的情感类别标签分别输入建立的双稀疏迁移学习模型进行训练，其中，在训练模型时使用交替方向法进行训练，得到待学习参数的最优值C^*和β^*；

(5)将待识别微表情数据进行预处理，得到其LBP-TOP特征，并将LBP-TOP特征输入训练好的双稀疏迁移学习模型，输出待识别微表情的情感类别。

2.根据权利要求1所述的基于双稀疏迁移学习的跨库微表情识别方法，其特征在于：步骤(2)中所述预处理包括：人脸检测，对齐，1*1、2*2、4*4、8*8的人脸多尺度网格划分和提取特征。

3.根据权利要求1所述的基于双稀疏迁移学习的跨库微表情识别方法，其特征在于：步骤(3)中建立的所述双稀疏迁移学习模型具体为：

s.t.β≥0

式中，为投影向量均值项，||β||₁、||C^T||_2,1为正则化稀疏项，L为情感类别标签形成的矩阵，C＝[C₁,...,C_N]为回归系数矩阵，为待学习参数，β＝[β₁,...,β_N]^T为权重向量，其元素为非负实数，表示对应LBP-TOP特征对微表情识别的作用，为待学习参数，N表示人脸的分块数，n_s、n_t分别为训练数据库和测试数据库的样本数，分别为训练数据库、测试数据库中微表情数据的LBP-TOP特征组成的矩阵的第i个列向量，1^s、1^t分别为长度为n_s、n_t的元素值全为1的向量，λ、μ和τ为控制正则项的权衡系数，为Frobenius范数的平方，||||_2,1为2,1范数，||||₁为1范数。

4.根据权利要求3所述的基于双稀疏迁移学习的跨库微表情识别方法，其特征在于：步骤(4)中所述交替方向法具体为：

(4-1)固定β,更新C：

将所述双稀疏迁移学习模型变换为：

使用增广拉格朗日乘子法对上式进行求解，得到C的最优值C^*；

(4-2)固定C,更新β：

将所述双稀疏迁移学习模型变换为：

s.t.β≥0

通过最小二乘法对上式进行优化得到β的最优值β^*。

5.根据权利要求4所述的基于双稀疏迁移学习的跨库微表情识别方法，其特征在于：步骤(5)中获取待识别微表情的情感类别的方法为：

将待识别微表情的LBP-TOP特征X_t输入训练好的双稀疏迁移学习模型，得到待识别微表情的情感类别L_pred：

式中，()_i表示对应矩阵的第i个列向量；为待识别微表情的情感标签向量，表示的第k个元素，m为情感类别数。

6.一种基于双稀疏迁移学习的跨库微表情识别装置，包括处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1-5中任意一项所述的方法。