[发明专利]笑脸检测方法及其系统

说明书

技术领域

本发明涉及计算机图像处理，特别涉及图像的笑脸检测技术。

背景技术

近年来，伴随着多媒体技术的发展，手机、数码相机等便携式设备中也包含了越来越多的多媒体软件，诸如图片去噪、人脸识别等，这些应用软件深受消费者的喜爱。另外随着便携式设备的改进和发展，笑脸检测也成为一个迫切需求的技术。

所谓笑脸检测，就是指在完成人脸检测后，对给定的人脸区域，用特定的方法检测该人脸是否是笑脸，并对笑脸进行评分的过程和方法。笑脸检测具有非常重要的意义，如数码相机对笑脸的自动抓拍，现代化服务行业的微笑化服务等都能用到笑脸识别技术。但是笑脸检测并非易事，其实现过程面临着很多挑战，例如，由于人类表情的模糊特性，有时候对于一种固定表情，不同的人给出的判断可能相差甚远。另外由于脸部姿态、外貌、肤色、是否有眼镜等遮挡物以及光学成像环境等诸多条件影响，对检测造成了很大的困难。影响笑脸检测走向实际应用的两个制约因素是笑脸检测的正确率和速度。

随着计算机图像处理技术的发展，目前采用的笑脸检测方法，在正确率有了明显的提升。但是，本发明的发明人发现，现有的笑脸检测方法复杂度都很高，而便携式设备通常存在计算能力差、存储能力弱等问题，因此现有的笑脸检测方法无法很好地应用在这些设备中。虽然现有的Adaboost算法具备复杂度低的特点，很好地解决了速度问题。但是，该方法用于笑脸检测还面临着很多问题：如对噪声很敏感、笑脸和非笑脸的区别微小难以用该方法识别等，导致目前还无法将Adaboost算法在笑脸检测中应用。

发明内容

本发明的目的在于提供一种笑脸检测方法及其系统，使得实时、高效的笑脸检测能在计算能力差、存储能力弱的便携式设备上实现。

为解决上述技术问题，本发明的实施方式提供了一种笑脸检测方法，包含以下步骤：

对原始脸部图像进行预处理，预处理包括去噪处理和亮度调节处理；

将经预处理后的脸部图像，以投票机制的Adaboost算法进行笑脸检测；

输出笑脸检测的结果。

本发明的实施方式还提供了一种笑脸检测系统，包含：

预处理模块，用于对原始脸部图像进行预处理，预处理包括去噪处理和亮度调节处理；

检测模块，用于将经预处理模块预处理后的脸部图像，以Adaboost算法进行笑脸检测；

输出模块，用于输出检测模块进行的笑脸检测的结果。

本发明实施方式与现有技术相比，主要区别及其效果在于：

对原始脸部图像进行包含去噪处理和亮度调节处理在内的预处理，将经预处理后的脸部图像，以投票机制的Adaboost算法进行笑脸检测，并输出笑脸检测的结果。由于Adaboost算法的复杂度较低，因此将Adaboost投票原理引入到笑脸检测算法中，可使得检测过程的计算复杂度大幅度降低，从而可在计算能力差、存储能力弱的便携式设备上实现实时的笑脸检测。而且，由于基于投票机制的Adaboost算法对噪声很敏感，对笑脸和非笑脸的微小区别较难识别，因此在采用Adaboost算法进行笑脸检测之前，先通过去噪和亮度调节，对原始脸部图像进行了预处理，对Adaboost应用于笑脸识别的不足部分进行了改进，使得在降低检测过程中计算复杂度的同时，也能保证检测的准确性。

进一步地，在对原始脸部图像进行去预处理时，先进行去噪处理，再进行亮度调节处理，以最大限度地降低对算法不利的各种因素，从而进一步保证了笑脸检测的准确性。

进一步地，以迭代的方式对脸部图像进行一次次地降噪处理，直至降噪处理后的脸部图像与降噪处理前的脸部图像的差异满足预设条件。通过基于变分法的去噪方法对原始脸部图像进行处理，可有效保证对原始脸部图像的去噪效果。

进一步地，在Adaboost算法中，用于投票的弱分类器为h(x，f，p，θ)，

其中，f(x)为弱分类器的特征值，f(x)取haar特征值，θ为用于判断弱分类器的特征值是否满足笑脸条件的预设阈值，p用于调整不等号的方向，当f(x)小于阈值θ时，p＝1，当f(x)大于阈值θ时，p＝-1；h＝1时表示弱分类器的投票为笑脸，h＝0时表示弱分类器的投票为非笑脸。实现简单，进一步保证了笑脸检测的低复杂度。

附图说明

图1是根据本发明第一实施方式的笑脸检测方法流程图；

图2是根据本发明第一实施方式中的去噪处理流程图；

图3是根据本发明第一实施方式中的亮度调节处理流程图；

图4是根据本发明第三实施方式的笑脸检测系统流程图。

具体实施方式