[发明专利]利用脸部检测和热点运动控制媒体的方法

说明书

技术领域

本发明涉及控制多媒体输出设备的方法，尤其，本发明涉及利用脸部检测和热点运动控制多媒体输出设备的方法。

背景技术

操作电子设备越来越依赖于允许用户从远处发出命令的电子遥控器。一般说来，遥控器是自供电的，经由红外(IR)和无线电信号发出命令。

在一个典型家庭中，像电视或视频投影系统、卫星或有线电视(TV)接收器、CD(激光唱盘)播放器、录像机、DVD(多功能视频盘)播放器、音频调谐器、计算机系统、和甚至照明设备那样的一个或多个电子设备都可以用遥控器来控制。尽管这些遥控器已经变得非常复杂，但遥控器的使用始终受大众欢迎。许多电子消费者强烈希望提高与所有形式的多媒体，尤其电视的互动性。

电子消费者早就希望抛开电子遥控器，特别是通过人体的姿势提高与媒体的交互性和参与性。就命令媒体输出端和与媒体输出端交互来说，手部动作被证明是有价值的。

姿势识别技术使用户可以无需使用像电子遥控器那样的其它机械设备地与电子设备交互。这种技术通常包括拍摄人体运动的摄像机，并且将从摄像机中收集的数据传送到计算机。然后，计算机将所选姿势识别成电子设备的有意命令。例如，在实际中，用户可以将手指点在电视机或计算机屏幕上，以便移动光标或激活应用命令。

在美国专利第7,283,983中公开了一种交互式媒体系统，其中讲述了将计算机与摄像机耦合以便提供利用成像和识别技术的方法，与像书籍、教材、杂志、海报、图表、地图、个人网页、包装材料、游戏卡等那样的印刷媒体的使用结合为使用人员提供放大了的交互性。该计算机系统使用基于视觉的传感器来识别印刷媒体和检索与那种观看相对应的信息。然后，传感器至少针对媒体的一部分识别第一用户姿势。然后，计算机系统将该姿势翻译成命令，并且至少部分根据第一姿势和所检索信息，该系统以电子方式大声说出所检索信息的至少一部分。

人体姿势可以来源于任何身体运动或状态，包括上述的手部动作。脸部识别通过区分那些姿势来自何处，并过滤掉不相关运动，可以进一步帮助运动检测系统。

尽管人类具有识别和区分脸部的与生俱来能力，但将那种天生能力应用于计算机软件却相当困难。然而，在过去几年里，已经开发出了较好的系统。

与计算机系统一起使用的脸部识别使得可以从数字图像或视频源中识别和核实个人。由于人脸具有许多可区分特点，所以对这些特点的比较可以用于识别个人。通过使用某些算法，计算机软件可以比较像眼睛之间的距离、眼窝的深度、颧骨的形状那样的特点，以及许多其它脸部特征，然后将每种特征与现有脸部数据相比较。

授予Agraham等人的美国专利6,377,995提供了使用脸部和语音识别索引多媒体通信信息，以便可以有效地检索和重放多媒体通信信息的所选部分的方法和装置。该方法和装置结合脸部和语音识别来识别可以包括数据或元数据的多播、多媒体电话会议的参与者。当音频和视频脸部模式两者都与特定参与者的讲话和脸部模型匹配时，服务器就确定那个特定参与者的身份，然后根据参与者的讲话和脸部模式的识别创建参与者的索引，从而将该索引用于划分多媒体通信信息。

深度意识摄像机已经用得很普遍，并且也用于控制媒体。像Sony Eyetoy和Playstation Eye那样的视频模式识别软件利用专门摄像机生成通过摄像机短距离观看的深度图，使用户可以使用运动、颜色检测和甚至声音(使用内置麦克风)与媒体交互。

授予McCarty等人的美国专利6,904,408讲述了用于定制用户网页浏览经验的网页内容管理器。该管理器按照如收集在遗留数据库中的用户心理喜好和响应至少一个实时可观察行为信号来选择合适在线媒体。皮肤温度、脉搏、心率、呼吸率、EMG(肌电图)、EEG(脑电图)、声压和姿势识别是一些行为响应，并且对心理指标加以测量和分析。姿势识别通过视频输入的计算机分析来完成。脸部的位置可以指示乐观或悲观态度，其中每分钟眨眼数可以用于指示焦虑性。

对于许多应用都已经证明姿势识别是有长处的。但是，姿势识别也存在许多挑战，包括姿势识别软件的健壮性和准确性。对于基于图像的姿势识别，存在与装备和存在于视场中的噪声量有关的局限性。无意的姿势和背景运动阻碍了发出命令的全面识别。

发明内容