[发明专利]一种跨数据集的面部表情识别模型构建及识别方法

摘要

本发明公开了一种跨数据集面部表情识别模型构建方法以及识别方法，通过自适应非负加权矩阵约束训练表情图像的重建误差，加强了图像数据表示中重要特征的作用并减少了具有重大重建误差的无用特征。另外通过映射矩阵将训练集投影到适当的子空间中，可以更好地揭示跨数据集图像样本之间的内在相似关系，从而使基于低秩与稀疏表示的子空间能够学习鲁棒的重建图像以便于实现最终的跨数据集面部表情识别。

主权项

1.一种跨数据集面部表情识别模型构建方法，其特征在于，所述的方法包括：步骤1、获得面部表情图像训练集，所述的训练集包括第一数据集中的多幅已标记的面部表情图像以及第二数据集中的多幅未标记的面部表情图像，在所述的训练集中每幅已标记的面部表情图像对应一个标记标签，每幅未标记的面部表情图像对应一个随机标签；步骤2、对所述训练集中的每幅面部表情图像进行人脸位置固定的预处理后再进行图像尺寸的归一化，获得每幅预处理后的面部表情图像；步骤3、根据式I获得每幅预处理后的面部表情图像的相似图像：其中，Xs为预处理后的面部表情图像，P为预处理后的面部表情图像的相似图像，M为投影矩阵，W为非负加权矩阵，E为重建误差，P1为相似图像P的低秩表示、P2为相似图像P的稀疏表示，λ1为非负加权矩阵W的参数，λ2为相似图像P的低秩表示P1的参数，λ3为相似图像P的稀疏表示P2的参数，λ1>0，λ2>0，λ3>0；步骤4、对所有预处理后的面部表情图像的相似图像进行聚类，获得每幅预处理后的面部表情图像的相似图像的聚类结果，所述的聚类结果为每幅面部表情图像的确定标签，收集面部表情图像训练集中所有面部表情图像的确定标签，获得面部表情确定标签集；步骤5、利用所述的面部表情图像训练集作为输入，利用所述的面部表情确定标签集作为输出，训练识别模型，获得面部表情识别模型。