1.一种基于多视图卷积神经网络的表情识别方法,其特征在于该方法包括以下步骤:
[1]根据每个视图特征抽取模型抽取测试样本(输入人脸图像)在该视图下的特征向量;
[2]将测试样本在所有视图下的特征向量串接成一个高维稀疏特征向量;
[3]根据特征选择模型对高维稀疏特征向量进行特征选择,获得低维特征向量;
[4]采用表情分类模型对低维特征向量分类,获得测试样本的表情类别。
2.根据权利要求1 所述的一种基于多视图卷积神经网络的表情识别方法,其特征在于所述的步骤[1] 视图定义为表情类别的任意组合,每个组合就是一个视图。
3.根据权利要求1 所述的一种基于多视图卷积神经网络的表情识别方法,其特征在于所述的步骤[1] 中视图特征抽取模型的获得是在训练阶段完成的,包括以下步骤:
[1]构造每个视图的训练样本集,其由该视图所包含的所有类的训练样本构成;
[2]利用每个视图的训练样本集训练卷积神经网络,获得该视图特征抽取模型。
4.根据权利要求1 所述的一种基于多视图卷积神经网络的表情识别方法,其特征在于所述的步骤[3] 中特征选择模型的获得是在训练阶段完成的,包括以下步骤:
[1]构造每个视图的训练样本集;
[2]利用每个视图抽取模型抽取每个训练样本的特征向量;
[3]将每个训练样本在所有视图下的特征向量串接成一个高维稀疏特征向量;
[4]采用特征选择方法对所有训练样本的高维特征向量进行特征选择,获得低维特征向量和特征选择模型。
5.根据权利要求1 和权利要求3所述的一种基于多视图卷积神经网络的表情识别方法,其特征在于采用卷积神经网络实现每个视图的特征抽取模型。