[发明专利]一种基于表情识别的无人机控制方法及系统

说明书

技术领域

本发明涉及无人机及计算机视觉相结合的技术领域，尤其涉及一种基于表情识别的无人机控制方法及系统。

背景技术

现有技术中的无人机有很多种类型，其不同的无人机各自的应用范围也非常广泛，以旋翼无人机为例，其是一种可垂直起降的飞行器,这种飞行器具有体积小、重量轻、飞行稳定、价格低廉、可进行悬停等诸多优点，有非常良好的应用和研究价值。由于无人机上没有搭载飞行员，因此其飞行控制多采用遥控来实现。

目前通用的遥控方法有定制的手持遥控器和通用移动终端（如：平板电脑和手机等）。这种方法的优点是能够对无人机实现精准、实时控制，可靠性较高；缺点是增加额外成本且不利于携带，在出现硬件故障时，会出现“提控归”现象。因此有必要在不增加现有无人机硬件成本的基础上，研究新的无人机控制方法，作为独立的无人机遥控解决方案或者现有遥控方法的有益辅助。

发明内容

针对现有技术中的无人机控制需要额外的硬件设备，导致成本高步不便于携带的技术问题，本发明公开了一种基于表情识别的无人机控制方法及系统。

本发明的具体实现方式如下：一种基于表情识别的无人机控制方法，其具体包括以下的步骤：步骤一、收集各种不同的人脸表情作为训练样本图像，每个样本图像中包括多个局部区域，提取出每个局部区域的特征形成特征组，并将特征组进行分类训练，得到基于面部表情的表情识别器；步骤二、设置在无人机上的图像获取装置获取视角范围内的图像，并判断该图像中是否存在人，是则启动表情识别的步骤，得到人的面部图像，否则继续获取视角范围内的图像；步骤三、提取步骤二得到的面部图像的特征信息，并基于所提取的特征信息以及面部表情的表情识别器识别出所得到的人脸的面部表情；步骤四、将图像中的人的表情翻译为无人机的控制命令，并发送给无人机。

更进一步地，上述步骤一具体包括特征提取和分类训练两个步骤。

更进一步地，上述所述特征提取具体包括以下的步骤： 步骤1：收集训练样本图像，每个样本图像包括49个局部区域，每一种表情由49个局部区域的特征组来进行表达，提取出每个局部区域的Harr特征；步骤2：采用弱分类器进行分类，计算每组局部特征的错误率；步骤3：选取错误率最小的n个特征组成新的组合特征                                                ；步骤4：将剩下的局部特征不断加入到新的组合特征中，继续使用弱分类器进行分类，如果错误率减小，就将新的局部特征加入到；步骤5：不断的重复步骤4，直到错误率达到最优值，或者中的特征数量达到N；步骤6：记录组合特征。

更进一步地，上述分类训练采用Adaboost方法训练特征组。

更进一步地，上述训练特征组具体包括以下的步骤：步骤1：采集样本图像并对每个样本进行标定；步骤2：通过特征提取找到一组组合特征；步骤3：训练弱分类器并计算错误率；步骤4：通过迭代得到最优分类器；步骤5：输出最优分类器。更进一步地，所述方法还包括根据当前帧图像中人脸在图像中的位置，在后续帧中找到最佳匹配位置，并根据匹配结果调整图像获取装置的视角，以实现图像获取装置对人脸进行跟踪。

更进一步地，上述图像获取装置通过云台安装在无人机上，所述云台带动图像获取装置向任意角度旋转，以获取到用户的表情。

更进一步地，上述方法还包括当图像获取装置获取到人的表情后，根据人脸在图像中的位置变化，调整云台的旋转角度，以控制该图像获取装置的视角始终面向控制该无人机的人脸。

更进一步地，上述无人机还包括切换开关，所述切换开关用于切换无人机当前的被控制方式，所述被控制方式包括遥控器遥控控制和/或者移动终端遥控控制和/或者手势遥控控制和/或者表情识别控制。

本发明还公开了一种基于表情识别的无人接控制系统，其具体包括设置在无人机上的图像获取装置、图像处理模块、表情识别模块和表情翻译器；所述图像获取装置用于获取实时的视角范围内的图像；所述图像处理模块根据获取到的图像判断图像中是否存在人，当图像中存在人的时候，启动表情识别模块，否则继续获取实时的视角范围内的图像；所述表情识别模块包括特征值提取模块和分类训练模块；所述特征值提取模块用于收集各种不同的人脸表情作为训练样本图像，并提取出每个局部区域的特征形成特征组，所述每个样本图像中包括多个局部区域；所述分类训练模块用于将特征组进行分类训练，得到基于面部表情的表情识别器；所述表情翻译器将图像中的人的表情翻译为无人机的控制命令，并发送给无人机。