[发明专利]基于人脸检测的错误阅读姿势检测方法

权利要求书

1.一种基于人脸检测的阅读姿势检测方法。该方法包括如下步骤：

步骤1：用一种结合结构和皮肤特征的人脸检测算法获得鲁棒性的检测结果，包括正脸、侧脸以及部分遮挡的人脸图像。

步骤2：用具有尺度适应性的Meanshift算法对检测到的人脸进行跟踪。

步骤3：利用勾股定理，在之前获得的人脸检测和跟踪结果上测量获得诸如阅读距离、视角、阅读时间等信息。

步骤4：利用已有的错误阅读姿势模型，从实时数据中检测出是否有错误的阅读姿势。

2.根据权利要求1所述的基于人脸检测的阅读姿势纠正方法，本专利的特征在于步骤1中人脸检测采用的Harr特征与皮肤模型相结合的方法。

3.根据权利要求1所述一种基于人脸检测的阅读姿势纠正方法，其特征在于，用于皮肤区域特征匹配的人脸模板有两个眼睛区域和一个嘴部区域组成。其标准模板在-45度到45度内旋转，得到5个方向上的模板。在每个方向上，根据不同的长宽比例{1.2，1.1，1.0，0.9，0.8，0.7，0.6}得到7个模板，共计35个模板。

4.根据权利要求1所述一种基于人脸检测的阅读姿势纠正方法，其特征在于，人脸跟踪采用的Meanshift算法是基于颜色直方图来定位人脸区域的。其步骤是：

1)初始化检测到的人脸位置为X₀＝(x₀，y₀)，这里人脸区域为F(x₀，y₀，x₀+w，y₀+h)，这里，w和h分别是人脸的宽度和长度。

2)在色调彩色空间提取直方图{p_b(X₀)}b＝1，2，…，n表示目标，计算它与人脸模板差异的巴氏距离，表示为公式(1)

ρ(X)≡ρ[ρ(X0),q^(X)]=Σb=1npb(X0)qb^(X)---(1)]]>

3)用标准Meanshift优化算法，找到满足的位置X(x，y)。

4)如果Meanshift的最后两次迭代的最终误差比阈值5.0个像素大，则跟踪失败。

5)假设人脸的改变总是较大的，为了跟踪到人脸位置f(x，y，x+w，y+h)，生成一个稍大的人脸区域f_s(x-δ，y-δ，x+w+δ，y+h+δ)。如果人脸改变比f小，则有步骤6)进行修改。

6)利用皮肤模型计算皮肤像素，归纳出皮肤图。重新分割皮肤像素，得到它们的边界框(x′，y′，x′+w′，y′+h′)，找到尺度改变。

5.根据权利要求1所述一种基于人脸检测的阅读姿势纠正方法，其特征在于，在每个视频帧提取3维向量作为训练错误阅读姿势模型的3层人工神经网络的一个入口，也即是：ANN需要一个3N维的特征m。

6.根据权利要求1所述一种基于人脸检测的阅读姿势纠正方法，其特征在于，利用ANN对人脸模板识别时相邻层之间的转移函数Q采用Sigmod函数。判别函数描述为：

Rh(m)=Q(Σj=1Hwhj·Q(Σi=1Nwjimi+wj0)+wh0)---(2)]]>

其中，w_hj表示神经网络中第h个结点到下一层的j个结点之间的全值，w_ji含义类似。