[发明专利]一种基于主动迁移学习的微表情识别方法

权利要求书

1.一种基于主动迁移学习的微表情识别方法，其特征在于，包括：

(1)宏表情、微表情特征提取；

(2)微表情主动迁移学习问题的建立与求解；

所述步骤(2)，微表情主动迁移学习问题的建立与求解，包括：

A、定义微表情主动迁移学习的问题：

令为宏表情域样本特征空间，d_s为源域特征维数，任意宏表情域样本特征

令为微表情域样本特征空间，d_t为目标域特征维数，任意微表情样本特征

在宏表情域标注一个训练数据集且是的真实类标签；

在微表情域标注另外一个训练数据集且微表情域的候选数据集

B、在宏表情域建立C个二元分类问题，如式(i)所示：

式(i)中，w_c是决定第c个二元分类器的法向量，b_c是常数项，C_s是宏表情域分类器的惩罚系数，l是损失函数，

学习一个线性的翻译器W将微表情域的数据点映射到公共空间，在公共空间中分享宏表情域的分类信息，如式(ii)所示：

式(ii)中，C_t是微表情域分类的惩罚系数，

根据式(ii)，得到遵循不确定性准则的主动学习的目标函数，如式(iii)所示：

式(iii)中，Q表示被选择的样本组成的集合；

根据式(i)和式(iii)，建立主动和迁移联合学习的框架，如式(iv)所示：

吸收增加的常数项，即得到式(v)：

根据式(v)的形式，定义源域数据矩阵目标域数据矩阵并采用平方损失函数，如式(vi)所示：

式(vi)中，是对应上样本的查询因子；

C、求解微表情主动迁移学习问题

a、固定W，q_i，将式(vi)转化为求解w_c的子问题，如式(vii)所示：

设由q_i确定的的子集对应的数据阵为X_q，引入辅助向量由式(vii)得到式(viii)：

式(viii)的增广拉格朗日函数如式(ix)所示：

式(ix)中，λ是拉格朗日乘子，ρ是约束违规惩罚参数；

在基本的高斯-赛德尔结构中，式(ix)的第k+1次迭代如式(x)所示：

求解式(x)中的子问题；

b、固定w_c，q_i，转化为求解W的子问题，如式(xi)所示：

引入由式(xi)得到式(xii)：

式(xii)的增广拉格朗日函数如式(xiii)所示：

式(xiii)中，λ₁,λ₂,λ₃是拉格朗日乘子，ρ是约束违规惩罚参数；

在基本的高斯-赛德尔结构中式(xiii)第k+1次迭代如式(xiv)所示：

求解式(xiv)中的子问题；

c、固定w_c，W，转化为求解q_i的子问题，如式(xv)所示：

式(xv)中，将q_i松弛到连续空间[0,1]后使用线性规划求解；

根据已经计算得到的q_i，设置其中最大的一个为1，余下的为0；

式(xv)达到迭代次数后，最大的q_i对应的微表情样本的特征经由人工标注后加入到

(3)微表情识别。

2.根据权利要求1所述的一种基于主动迁移学习的微表情识别方法，其特征在于，所述步骤(3)，微表情识别，包括：更新的包含的特征x被映射成特征W^Tx后，用于训练可靠的分类器模型；对于未知标签的微表情样本，同样提取整个图像序列的主方向平均光流特征，该特征被W映射到新空间后，使用上述分类器进行识别。