[發(fā)明專利]一種基于語音字典稀疏遷移學(xué)習(xí)的微表情識(shí)別方法

有效

• 申請?zhí)枺?/td>: 201710346931.0
• 申請日: 2017-05-16
• 公開（公告）號(hào): CN106971180B
• 公開（公告）日: 2019-05-07
• 發(fā)明（設(shè)計(jì)）人: 賁晛燁;馮云聰;韓民;朱雪娜;任億;趙子君
• 申請（專利權(quán)）人: 山東大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G10L17/02;G10L17/04;G10L17/14
• 代理公司: 濟(jì)南金迪知識(shí)產(chǎn)權(quán)代理有限公司 37219
• 代理人: 呂利敏

1.一種基于語音字典稀疏遷移學(xué)習(xí)的微表情識(shí)別方法，其特征在于，該識(shí)別方法包括訓(xùn)練階段和測試階段；

所述訓(xùn)練階段包括如下步驟：

首先，對(duì)語音域和微表情域提取特征；

然后，對(duì)提取完的特征數(shù)據(jù)進(jìn)行分組，語音域和微表情域的特征集均分成訓(xùn)練集和測試集；

接著，使得語音域和微表情域的數(shù)據(jù)投影到一個(gè)公共空間，在公共空間中同時(shí)求出語音域的稀疏字典與微表情的稀疏字典，對(duì)所述語音域的稀疏字典和微表情域的稀疏字典進(jìn)行彼此的重構(gòu)；

之后，經(jīng)過一定次數(shù)的迭代和優(yōu)化，分別得到語音域的字典和微表情域的字典，語音域的投影矩陣，微表情域的投影矩陣，語音域的重構(gòu)矩陣，微表情域的重構(gòu)矩陣，語音域的稀疏系數(shù)表示矩陣，微表情域的稀疏系數(shù)表示矩陣；

所述測試階段包括如下步驟：

對(duì)于給定語音域和微表情域的測試集，首先通過在線訓(xùn)練得到的投影矩陣對(duì)兩域特征集進(jìn)行投影；

然后，利用訓(xùn)練得到的語音域的字典和微表情域的字典，對(duì)投影到公共空間的兩個(gè)域特征進(jìn)行稀疏重構(gòu)，得到兩個(gè)域各自的稀疏系數(shù)表示矩陣；

最后，通過機(jī)器識(shí)別經(jīng)典算法K近鄰分類器KNN對(duì)兩個(gè)域的稀疏系數(shù)表示矩陣進(jìn)行分類識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于語音字典稀疏遷移學(xué)習(xí)的微表情識(shí)別方法，其特征在于，所述K近鄰分類器KNN是指基于歐氏距離的最近鄰分類器，其分類的方法包括步驟如下：

首先，對(duì)語音域和微表情域進(jìn)行特征提取，得到兩個(gè)特征集合，其中分別代表語音域和微表情域中的一個(gè)樣本的特征；m_x,m_y分別代表語音域和微表情域的特征維數(shù)，n_x,n_y分別代表語音域和微表情域的樣本數(shù)量；

然后，訓(xùn)練尋找一對(duì)投影矩陣W_X,W_Y，將兩個(gè)域的特征投影到公共空間內(nèi)，并通過字典進(jìn)行稀疏表示，即：

其中，代表的是語音域的投影矩陣，代表的是微表情域的投影矩陣,代表的是語音域的字典，代表微表情域的字典；分別代表語音域和微表情域的稀疏系數(shù)表示矩陣；d代表兩個(gè)域投影到公共空間的投影維度；p_x,p_y分別代表語音域和微表情域的字典大小；分別代表語音域和微表情域的單位矩陣；

接著，通過重構(gòu)減小不同域之間的數(shù)據(jù)差異，表示形式如下：

其中，分別代表重構(gòu)語音集和微表情集的字典重構(gòu)矩陣，||d_xi||²≤1,||d_yj||²≤1,||V_X||₁≤τ,||V_Y||₁≤τ，τ＝0.001，d_xi，d_yj分別代表D_X，D_Y中的列向量；

最后，基于語音字典稀疏遷移學(xué)習(xí)的微表情識(shí)別方法的目標(biāo)函數(shù)如下：

其中，||S_x||₁≤σ,||S_y||₁≤σ,τ＝0.001，σ＝0.001；通過目標(biāo)函數(shù)的求解，得到最終的W_X,W_Y,D_X，D_Y。