买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于机器学习的面部抑郁表情识别方法，包括以下步骤：获取目标视频集；将所述目标视频集输入至领域适应抑郁识别模型中得到最终抑郁评分，其中，所述领域适应抑郁识别模型包括特征提取模块，第一目标分类机和第二目标分类机，所述特征提取模块用于对所述目标视频集进行特征提取，获取表情特征和动态特征，所述第一目标分类机的输入为所述表情特征，所述第二目标分类机的输入为所述动态特征，所述第一目标分类机与源分类机之间构建领域适应关系，所述第一目标分类机和第二目标分类机的预测数据集的平均值接近。本发明能够精确识别抑郁表情。

主权项：1.一种基于机器学习的面部抑郁表情识别方法，其特征在于，包括以下步骤：1获取目标视频集；2将所述目标视频集输入至领域适应抑郁识别模型中得到最终抑郁评分，其中，所述领域适应抑郁识别模型包括特征提取模块，第一目标分类机和第二目标分类机，所述特征提取模块用于对所述目标视频集进行特征提取，获取表情特征和动态特征，所述第一目标分类机的输入为所述表情特征，所述第二目标分类机的输入为所述动态特征，所述第一目标分类机与源分类机之间构建领域适应关系，所述第一目标分类机和第二目标分类机的预测数据集的平均值接近；所述领域适应抑郁识别模型表示为其中，ΩLR·为鲁棒的潜在回归函数；Loss·为最小平方损失函数，ft·为第二目标分类机，f·为第一目标分类机，Wt,Ws和均为模型参数矩阵，为动态特征，Xt为目标视频集，P为目标视频集与原视频集的潜在空间，F为伪类标签矩阵，Xs为源视频数据集，Ys为源视频数据的标签矩阵，Ir为r维单位矩阵，In为n维单位矩阵，ΩDCP为第一正则化项，ΩW为第二正则化项，W＝[Ws,Wt]；所述鲁棒的潜在回归函数在设计时，通过决策函数将视频的低级表示和高级语义相关联，通过约束分布差异最小化导致源视频集和目标视频集在学习到的潜在空间中相关，利用范数最小化发现最佳潜在空间并且学习从特征矩阵到其包含若干个不同类别的对应标签矩阵的线性回归映射，通过利用潜在空间中的源分类机将目标数据与预测标签相关联；所述鲁棒的潜在回归函数其中，μ为平衡系数，Yt表示目标视频数据的标签矩阵，U表示对角矩阵，表示在目标视频集Xt上定义的归一化图拉普拉斯矩阵，||·||σ表示lσ范数，||·||F表示Frobenius范数，tr·表示矩阵的迹。

全文数据：

权利要求：

百度查询： 宁波职业技术学院 一种基于机器学习的面部抑郁表情识别方法