[发明专利]基于谱稀疏典型相关分析的表情语义稀疏量化方法

权利要求书

1.基于谱稀疏典型相关分析的表情语义稀疏量化方法，其特征在于包括如下步骤：

    步骤1，从训练人脸表情图像样本集中提取表情特征矢量集、情感语义特征矢量集；

    步骤2，利用谱稀疏典型相关分析方法得到投影方向矩阵，将表情特征矢量集和情感语义特征矢量集按照投影方向矩阵投影得到表情投影矢量集、情感语义投影矢量集；

    步骤3，计算最佳变换矩阵，所述最佳变换矩阵使得表情投影矢量集按照最佳变换矩阵变换后与情感语义投影矢量集的均方误差最小；

    步骤4，对于待测试人脸表情图像进行特征提取，获得待识别人脸表情图像的Gabor表情特征矢量、情感语义特征矢量，将所述Gabor表情特征矢量、情感语义特征矢量按照步骤1至步骤3所述的训练人脸表情图像样本集的线性关系变换，得到识别结果。

2.根据权利要求1所述的基于谱稀疏典型相关分析的表情语义稀疏量化方法，其特征在于所述步骤1的具体实施如下：

步骤1-1计算表情特征矢量集的协方差矩阵，对协防差矩阵进行奇异值分解得到白化矩阵；

步骤1-2，用白化矩阵白化处理表情特征矢量集，利用模糊K近邻算法计算白化处理后的表情特征矢量集得到情感语义特征矢量集。

3.根据权利要求1所述的基于谱稀疏典型相关分析的表情语义稀疏量化方法，其特征在于：步骤2中利用谱稀疏典型相关分析方法得到投影方向矩阵的具体实施如下步骤：

步骤a，给表情特征矢量加L1正则项，采用方向交错优化法求解表情特征矢量集的稀疏变换矩阵；

步骤b，对表情特征矢量集的稀疏变换矩阵进行奇异值分解，取训练人脸表情图像样本集平均错误率最小时对应的L1正则项参数为最佳投影参数；

步骤c，确定阈值，利用典型相关分析方法得到投影方向矩阵。