[发明专利]基于嘴部特征的笑脸识别系统及方法

说明书

技术领域

本发明属于笑脸识别技术领域，涉及一种笑脸识别系统，尤其涉及一种基于嘴部特征的笑脸识别系统；同时，本发明还涉及一种基于嘴部特征的笑脸识别方法。

背景技术

随着人们生活水平的不断提高，以及多媒体技术的发展，具有拍照功能的移动终端产品得到了广泛的普及，比如手机、数码相机等，这自然而然也就带动了各个生产商之间的竞争。各个生产商为了能够在激烈的市场竞争中立于不败之地，纷纷在他们的产品中增加一些特殊功能以吸引消费者的眼球，而笑脸识别正是这些特殊功能中重要的一种。

笑脸识别功能是基于对消费者行为和需求的深入了解而推出的一款人性化的产品。它可以更好地满足用户在拍摄中对于笑脸拍摄的需要，方便用户拍摄到生活中难得的瞬间的灿烂笑容。目前，笑脸识别功能已经广泛地用于数码相机、手机、数码摄像机等数码产品中。

虽然近年来笑脸识别的功能被广泛地用于数码相机、手机等移动终端中，但是，人类表情的表现方式有细微的和强烈的、缓和的和激动的、轻松的和紧张的诸多形式，同一种表情往往表现出不同的强度。比如同样是高兴的表情，不同的人却有不同的表现形式，有些只是嘴角稍微向两侧上抬：而有些则不仅仅是嘴角的上抬，而是先将整个嘴轻微的张开，然后向左右两边运动等。这就给笑脸的确切识别带来了一定的困难，从而也就影响了笑脸识别功能的实际应用性能。

有鉴于此，如今迫切需要设计一种新的笑脸识别方法，以便克服现有识别方法的上述缺陷。

发明内容

本发明所要解决的技术问题是：提供一种基于嘴部特征的笑脸识别系统，可提高笑脸识别的效率及精度。

此外，本发明还提供一种基于嘴部特征的笑脸识别方法，可提高笑脸识别的效率及精度。

为解决上述技术问题，本发明采用如下技术方案：

一种基于嘴部特征的笑脸识别系统，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，每个区域有着相似的灰度值，分别为目标和背景，来实现嘴部的精定位；