基于稀疏子空间迁移学习的跨域人脸表情识别

摘要

针对实际场景中人脸表情识别训练和测试数据来自不同场景从而导致识别性能显著下降的问题,提出了一种基于稀疏子空间迁移学习的跨域人脸表情识别方法.首先,引入稀疏重构的思想来获得一个共同的投影矩阵,同时对重构系数矩阵施加L 2,1范数约束;其次,引入图拉普拉斯正则化项来保留数据的局部判别结构;最后,利用源域丰富的标签信息,将样本投影到一个由标签信息引导的子空间中.在3个经典人脸表情数据集中进行了实验,结果表明所提方法在人脸表情识别中优于其他几种经典的子空间迁移学习方法.