[发明专利]一种智能交互系统

权利要求书

1.一种智能交互系统，其特征在于，包括：

摄像头模块，用于获取用户图像，将所述图像发送到中央处理模块；

中央处理模块，用于对所述图像进行处理，识别所述用户表达的信息；

人机交互模块，根据中央处理模块识别的信息与所设计的人机交互方式，向用户提供对应的回应；

存储模块，用于储存预先设计的人机交互方式。

2.根据权利要求1所述的一种智能交互系统，其特征在于，所述人机交互模块包括：

查找模块，用于根据所述中央处理模块识别的信息查找相应的人机交互方式和相应的数据，其中，所述方式包括音频播放、文字展示、视频播放，所述数据包括音频、文字、视频数据；

多媒体模块，包括音频播放模块，文字显示模块和视频播放模块，用于展示或播放所述相应的音频、文字、视频数据；

所述存储模块，还用于储存所述音频、文字、视频数据。

3.根据权利要求1所述的一种智能交互系统，其特征在于，所述摄像头模块包括摄像头和辅助照明装置。

4.根据权利要求2所述的一种智能交互系统，其特征在于，所述中央处理模块包括图像处理模块，具体包括：

图像处理单元，用于对获取的用户图像进行处理，包括灰度化、水平调节及尺寸调节，并检测图像中的人脸部分；

表情识别单元，用于对检测到的人脸部分进行表情识别处理，自动识别出人脸表情，判断表情的类型；

所述查找模块还包括：根据所述识别出的表情类型查找相应的人机交互方式和相应的数据。

5.根据权利要求4所述的一种智能交互系统，其特征在于，还包括统计模块，用于根据人脸表情分析得到对应的心理状态，存储使用者不同时间的表情种类与心理状态，并提供给用户查询。

6.根据权利要求4所述的一种智能交互系统，其特征在于，所述图像处理单元检测图像中的人脸部分包括：

采用R层高斯金字塔将调节后的人脸图像进行处理，获取人脸图像的多尺度显著性图；

其中，对每一个显著性图采用下列步骤进行处理：

(1)将图像T分割为G个图像区域{N_g}_{g＝1,2,…,G}；

(2)分别根据图像T的颜色特征和纹理特征获取图像T的颜色特征图像和纹理特征图像

(3)获取区域N_g的颜色特征和纹理特征的显著性，其中采用的函数为：

其中，x∈N_g，N_gq∈G(N_g)，

式中，和分别表示区域N_g的颜色特征和纹理特征的显著性，G(N_g)表示区域N_g的所有相邻区域的集合，Q＝|G(N_g)|，表示区域N_gq的坐标，表示像素点x和区域N_gq中心坐标之间的距离，其中，XZ_{r_λ}(N_gq)表示区域N_gq的颜色区域级别显著性，XZ_{r_λ}(N_gq)＝D_{1_λ}(N_gq)*D_{2_λ}(N_gq)*D₃(N_gq)，其中D_{1_λ}(N_gq)表示区域N_gq的颜色全局区域对比度，ω(N_gq,N_b)表示全局控制因子，其中ω(N_gq,N_b)＝1+{-A(N_gq,N_b)}，A(N_gq,N_b)表示区域N_gq和区域N_b的欧氏距离，和分别表示区域N_gq和区域N_b的颜色特征，D_{2_λ}(N_gq)表示区域N_gq的颜色背景对比度，B_p表示图像T的上、下、左和右边界区域，表示区域B_p的颜色特征，XZ_{r_γ}(N_gq)表示区域N_gq的纹理区域级别显著性，XZ_{r_γ}(N_gq)＝D_{1_γ}(N_gq)*D_{2_γ}(N_gq)*D₃(N_gq)，D_{1_γ}(N_gq)表示区域N_gq的纹理全局区域对比度，和分别表示区域N_gq和区域N_b的纹理特征，D_{2_γ}(N_gq)表示区域N_gq的纹理背景对比度，表示区域B_p的纹理特征，D₃(N_gq)表示区域N_gq的中心先验，表示区域N_gq的坐标，o_{T_zx}表示图像T中心的坐标；

则有，其中，XZ_λ和XZ_γ分别表示图像T的颜色和纹理特征的显著性；

(4)获取显著性区域中心先验后关于颜色和纹理特征的单尺度显著性，其中采用的函数为：

XZ_{s_λ}(q)＝Q_c(q)XZ_λ(q)

XZ_{s_γ}(q)＝Q_c(q)XZ_γ(q)

其中，

式中，o_q表示像素点k的坐标，o_{s_zx}表示显著性区域中心的坐标，XZ_{s_λ}(q)表示在XZ_λ(q)中融入了显著性区域中心先验后的关于颜色特征的单尺度显著性，XZ_{s_γ}(q)表示在XZ_γ(q)中融入了显著性区域中心先验后的关于纹理特征的单尺度显著性；

获取多尺度颜色显著性和多尺度纹理显著性，其中采用的函数为：

式中，XZ_{e_λ}(g)和XZ_{e_γ}(g)分别为多尺度颜色显著性和多尺度纹理显著性，XZ_{s_λ_r}和XZ_{s_γ_r}分别表示第r个尺度的单尺度颜色显著性和单尺度纹理显著性，U(XZ_{s_λ_r})表示第r层显著性图像的信息熵，其中H表示显著性图像的大小，P_r(g)表示第r层显著性图像中像素点g的概率分布；

获取多特征多尺度全局区域对比度显著性，其中采用的函数为：

XZ_f＝XZ_{e_λ}*XZ_{e_γ}

式中，XZ_f表示图像的多特征多尺度全局区域对比度显著性；

根据最终显著性图像进行自适应分割，检测图像中的人脸，并确定图像T中的人脸部分。