[发明专利]人脸面部表情识别控制系统

说明书

技术领域

本发明涉及本发明涉及使用人脸面部表情进行控制的智能人机交互式系统以及实现方法，特别涉及一种自适应的通过对于起始的人脸面部表情进行特征性和差异性学习的利用人脸面部表情进行控制的人机交互方法。

背景技术

人脸面部表情是人类自然具有的一种语言，在表达人的情绪和心理活动方面具有无法替代的准确性和通用可识别性。在日常的工作和生活中，人脸面部表情实现了相当一部分的信息交流。

目前，人机交互系统主要通过人的手工机械式输入和输出，此类操作方式方法的学习不仅需要一定时间的积累，而且造成了信息交互过程中信息的失真和一定程度的延迟。实现人机之间的人脸面部表情控制，对于人的手指的解放，具有重大的意义和作用。

为了简化人机交互过程的操作流程，缩短信息交互所需时间，并且在一定程度提高信息交互的精度，需要对人脸面部表情的自然信息模式识别进而转化为系统的控制指令以代替现在的人机交互方法。

发明内容

为了克服现有技术中的缺陷，提供人脸面部表情识别控制系统。

本发明通过下述方案实现：

人脸面部表情识别控制系统，包括以下步骤：

第一步，建立基本的反射式感知器网络，对连续动态的人脸表情图片帧进行识别归类，建立初步分类的基本模式；

第二步，对基本的感知器网络进行训练，调整感知器网络的权值和阈值，在达到75％以上的可靠分类能力后，认为感知器网络训练成功；

第三步，通过初步分类的基本模式各自分别建立基本的BP神经网络；

第四步，进行基本的BP神经网络的算法训练，直至在可靠性达到75％以上；

第五步，对之前的算法操作进行完整实现，观察人脸表情控制输出效果；

第六步，增加待识别人脸表情的复杂程度，依次增加BP神经网络对于嘴唇和开合、牙齿的露出、舌头的配合、眉毛的聚合、眼神的专注度程度的学习任务；

第七步，重复算法实现操作若干次，选择学习效果最好的一组BP神经网络，作为理想BP神经网络；

第八步，选择嵌入式系统作为实现平台，根据人脸表情对输出信号进行操作，在屏幕上进行展示，具体表现测试者不同面部表情情绪和心理的操作期望；

第九步，选择不同受测者进行实验，对于实验效果进行比对分析，判断是否具有个体差异性，根据共性问题，调整基本的反射式感知器网络，进行系统优化。

在所述第二步中，如果未达到设定的可靠分类能力，则继续增加训练次数，直到符合可靠分类能力为止。

在所述第三步中，根据所建立的初步分类的基本模式，预先进行初步分类的基本模式下的用户操作控制指令设定流程的演示，采集各种初步分类的基本模式下的对应表情连续图片帧，以前者作为输出向量，后者作为输入向量，通过对各自分别建立基本的BP神经网络。

其特征在于，在所述第八步中，具体包括以下步骤：

1.装置上电与自检；

2.操作设置初始化，包括图像采集初始化设置，相邻两个图像帧采集时间间隔设置为4s，曝光补偿处理初始化，视频解码芯片的初始化，网络通讯接口的初始化；

3.图像的获取，通过对视频编码芯片的操作，将输入的相邻视频以帧的形式提取出来；

4.对图像帧进行滤波处理，消除噪声，减少其对于后续操作的干扰；

5.光线处理，系统采用均值和方差来矫正光线对于每一个像素点的影响，达到消除光线对于人脸像素点的影响的目的；

6.进行BP神经网络算法实现；

7.输入信号，选择理想网络，对输出信号进行处理，在屏幕上进行展示，具体表现测试者不同面部表情情绪和心理的操作期望。

本发明的有益效果为：

本发明人脸面部表情识别控制系统在原有基本人机交互平台上，能够实现任一个人面部表情的识别控制输出，简化了人机交互过程，缩短了时间，提高了人机交互效率，达到了解放双手进行模式识别控制的目标。

附图说明

图1为本发明一种利用人脸面部表情进行控制的人机交互方法硬件组成图；

图2为BP神经网络算法的逻辑表达示意图之一；

图3为BP神经网络算法的逻辑表达示意图之二。

具体实施方式

下面对本发明优选的实施例进一步说明：

人脸面部表情识别控制系统，包括以下步骤：

第一步，建立基本的反射式感知器网络，对连续动态的人脸表情图片帧进行识别归类，建立初步分类的基本模式；