[发明专利]一种基于稀疏共享迁移回归模型的跨库微表情识别方法

权利要求书

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mean F1-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CASME II这两个微表情数据库，因此需要对CASME II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CASME II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L_s是源域标签，U稀疏回归系数矩阵,其中X_s是源域，X_t是目标域，n_s和n_t是两域的样本个数，1_s和1_t是值都为1的向量，是F范数。

4.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(4)中，所述的预测目标域微表情数据库样本的标签表达式为：

式中L_t是目标域标签，L_t(k)是目标域微表情样本的第k个标签。