[发明专利]基于面部表情识别模式的智能轮椅人机交互系统及方法

摘要

本发明请求保护一种基于面部表情识别的智能轮椅人机交互系统及方法，涉及生物学、心理学、计算机视觉、模式识别和人工智能等领域。本发明通过几何模型匹配算法自动定位到面部特征集中有效的眉毛、眼睛、嘴巴区域，然后对其分别进行ASM特征点的定位、将定位的特征点像素与Gabor小波核函数进行卷积运算以实现对面部表情特征的提取；进而Adaboost算法迭代训练表情特征以得到表情分类模型；采用此表情分类模型实现对输入表情序列的分类识别，将其与预先定义的控制指令作比较，从而实现面部表情识别对智能轮椅的交互控制。其中，对面部表情进行特征提取时，本发明大大提高了面部表情的实时识别，从而大大提高与智能轮椅的实时交互。

主权项

1.一种基于面部表情识别模式的智能轮椅人机交互系统，其特征在于：包括表情图像采集模块、表情图像特征提取模块、表情特征训练模块、表情序列识别模块、智能轮椅控制模块；其中表情图像采集模块：用于采集待采集对象的表情图像，并转发给表情特征训练模块；表情特征训练模块：用于将采集的表情图像和预先设选定的表情库表情图像共同作为面部表情训练集，并经过预处理后转发给表情图像特征提取模块；并将表情图像特征提取模块提取到的表情特征通过迭代训练得到表情分类模型；表情图像特征提取模块：用于对表情特征训练模块的面部表情训练集进行定位、特征提取得到表情特征，采用几何模型匹配算法自动定位有效表情区域，进而采用ASM方法定位到有效表情控制点信息；具体包括：对预处理后的RGB灰度图像自动定位眉毛、眼睛、嘴巴区域；然后采用ASM主动形状模型方法定位到所述眉毛、眼睛、嘴巴区域中的表情特征点位置，得到表情特征点序列；当定位眼睛区域时，步骤202中的几何模板匹配算法的评价函数为下式：Eeye＝exp[‑1.2×((l1‑l2)2+(l1+l2‑1)2+(θ1‑θ)2+(θ2‑θ)2)]其中θi,i＝1,2分别代表两只眼睛的方位角，li,i＝1,2为双眼的归一化长度，由最初的长度除以两个块之间的距离D，如下式：其中点(x1,y1)和(x2,y2)分别为右眼和左眼的中心坐标，即D为双眼中心之间的距离；表情序列识别模块：用于对新输入的每帧表情序列进行与表情特征训练模块相同的图像与处理、特征提取操作后，调用表情分类模型实现表情的识别；智能轮椅控制模块：用于根据表情的类型、得到相应的控制指令，实现对智能轮椅的实时控制。