[发明专利]基于嘴部特征的笑脸识别系统及方法

摘要

本发明揭示了一种基于嘴部特征的笑脸识别系统及方法，所述笑脸识别系统包括：人脸定位与预处理模块、直方图均衡化模块、尺寸归一化模块、基于嘴部特征的笑脸特征提取模块、基于支持向量机的分类模块。基于嘴部特征的笑脸特征提取模块用以在对人脸进行准确的定位的基础之上，根据人脸面部的结构特征结合经验实现嘴部的粗定位，接着通过对定位到的嘴部大致图片的直方图进行规定化来提高图像的对比度；而后对经过处理的嘴部图像进行二值化，并对二值化结果使用灰度投影法来实现嘴部的精定位。基于支持向量机的分类模块用以使用支持向量机的分类方法对样本进行分类。本发明提出的基于嘴部特征的笑脸识别系统及方法，可提高笑脸识别的效率及精度。

主权项

一种基于嘴部特征的笑脸识别系统，其特征在于，所述笑脸识别系统包括：人脸定位与预处理模块、直方图均衡化模块、尺寸归一化模块、基于嘴部特征的笑脸特征提取模块、基于支持向量机的分类模块；人脸定位与预处理模块用以对人脸定位，在输入的图像中如果存在人脸区域，则检测出人脸，确定所有人脸的大小、位置和位姿；采用Haar‑Like特征与级联的Adaboost学习算法相结合的方法定位；包括：对人脸进行Haar‑Like特征计算，运用“积分图”算法快速提取特征；根据AdaBoost算法提取最有效的Haar‑Like特征，经过多次迭代确定各个弱分类器的权值；将训练得到的弱分类器进行级联，组成完整的人脸检测系统；直方图均衡化模块用以对人脸样本图像进行直方图均衡化，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布；尺寸归一化模块用以通过尺度校正、平移、旋转的方法去除图像中的结构变形，使人脸图像标准化；采用双线性插值算法对检测出的人脸图像进行归一化为设定尺寸；基于嘴部特征的笑脸特征提取模块用以在对人脸进行准确的定位的基础之上，根据人脸面部的结构特征结合经验实现嘴部的粗定位，接着通过对定位到的嘴部大致图片的直方图进行规定化来提高图像的对比度；而后对经过处理的嘴部图像进行二值化，并对二值化结果使用灰度投影法来实现嘴部的精定位；基于支持向量机的分类模块用以使用支持向量机的分类方法对样本进行分类；在分类阶段中，将训练过程中得到的模型与待识别样本特征送入预测函数中得出分类结果，若输出的结果为1表示对应的样本为正样本，若为‑1对应的样本则为负样本；基于支持向量机的分类模块包括训练优化单元、最优分类模型获取单元、分类结果获取单元；所述训练优化单元用以进行训练优化，寻找合适的内核函数及其对应的最优参数；所述最优分类模型获取单元将寻找到的最优内核函数及参数送入到训练函数中对训练样本特征集进行训练，以获得支持向量机最优分类模型；所述分类结果获取单元将待分类样本特征集与最优分类模型送入到预测函数中，获取最终的分类结果；所述笑脸特征提取模块包括嘴部粗定位单元、嘴部精定位单元、基于嘴部的HOG特征的笑脸特征提取单元；嘴部粗定位单元用以根据人脸的面部的结构特征，将嘴部区域划定为人脸的下三分之一，且距离左右人脸边界为人脸宽度的四分之一；嘴部精定位单元用以对嘴部粗定位得到的图像进行直方图规定化处理后，通过二值化处理来实现嘴部的精定位；具体采用Ostu方法通过阈值将图像分割成两个区域；基于嘴部的HOG特征的笑脸特征提取单元用以在对嘴部进行HOG特征提取的过程中，分别对HOG特征提取的信息进行了以下处理：对于输入图像：为了降低算法运算的复杂度，输入的嘴部图像为灰度图像；对于颜色空间标准化与预处理：对输入的嘴部图像进行直方图规定化处理使得图像的轮廓更为清晰，所有的嘴部图像尺寸归一化为64*42的大小；对于梯度向量的计算：采用一阶梯度算子(‑1,0,1),(‑1,0,1)T来进行梯度的计算，即嘴部图像点(x,y)的梯度大小G(x,y)和方向θ(x,y)为：Gx(x,y)＝I(x+1,y)‑I(x‑1,y)Gy(x,y)＝I(x,y+1)‑I(x,y‑1)θ(x,y)=arccosGx(x,y)G(x,y)Gx(x,y)≥02π-arccosGx(x,y)g(x,y)otherwise]]>其中，I(x,y)为点(x,y)处的灰度值，θ(x,y))为[0,360]区间内的值；对于空间和方向上的梯度信息统计：将嘴部图像分成2*2个Block，每个Block上含有2*2个Cell，梯度向量的方向在360°的方位内分成40个区域，则每个Cell的HOG特征的维数为40D，整幅图像的HOG特征的维数为640D；对于块内标准化：采用L2‑hys来进行数据归一化；所述基于嘴部的HOG特征的笑脸特征提取单元包括：梯度计算子单元，用以对经过预处理的嘴部图片进行梯度计算；第一HOG特征获取子单元，以各像素点的幅度为权重，统计各Cell的梯度方向直方图，得到Cell的HOG特征；第二HOG特征获取子单元，用以对同一Block内的Cell的HOG特征进行归一化处理，得到Block的HOG特征；嘴部HOG生成子单元，用以将所有Block的HOG特征连接组成嘴部的HOG特征。