[发明专利]一种笑脸图像的识别方法和识别装置有效

专利信息
申请号: 201010222867.3 申请日: 2010-06-30
公开(公告)号: CN102314592A 公开(公告)日: 2012-01-11
发明(设计)人: 王俊艳;黄英 申请(专利权)人: 北京中星微电子有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京银龙知识产权代理有限公司 11243 代理人: 郭海彬
地址: 100083 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 笑脸 图像 识别 方法 装置
【权利要求书】:

1.一种笑脸图像的识别方法,其特征在于,包括:

步骤一,对输入图像进行人脸检测,确定所述输入图像中的体现人脸特征的区域;

步骤二,在所述体现人脸特征的区域规划出N个互相嵌套的积分区域,第i+1个积分区域是在第i个积分区域的基础上增加预定步长的面积而得到,1≤i<N,第N个积分区域为整个所述体现人脸特征的区域;

步骤三,对每个积分区域进行横向积分投影,获得每个积分区域的投影向量和峰谷点,所有积分区域的投影向量和峰谷点组成所述输入图像的特征向量;

步骤四,根据预置的由样本图像的特征向量训练的预置分类器对所述输入图像的特征向量进行分类,根据分类结果确定所述输入图像是否为笑脸图像。

2.根据权利要求1所述的识别方法,其特征在于,所述体现人脸特征的区域为人脸区域或嘴部区域。

3.根据权利要求1所述的识别方法,其特征在于,所述体现人脸特征的区域为人脸区域和嘴部区域;

所述人脸区域被规划出N个互相嵌套的人脸积分区域,所述嘴部区域被规划出N个互相嵌套的嘴部积分区域;

所述特征向量包括所有人脸积分区域的投影向量和峰谷点以及所有嘴部积分区域的投影向量和峰谷点。

4.根据权利要求1所述的识别方法,其特征在于,所述步骤四中,根据分类结果确定所述输入图像是否为笑脸图像具体包括:如果所述输入图像的特征向量被分入到笑脸图像样本的类别,则所述输入图像为笑脸图像,否则所述输入图像为非笑脸图像。

5.一种笑脸图像的识别装置,其特征在于,包括:

人脸检测模块,用于:对输入图像进行人脸检测,确定所述输入图像中的体现人脸特征的区域;

分区模块,用于:在所述体现人脸特征的区域规划出N个互相嵌套的积分区域,第i+1个积分区域是在第i个积分区域的基础上增加预定步长的面积而得到,1≤i<N,第N个积分区域为整个所述体现人脸特征的区域;

特征向量模块,用于:对每个积分区域进行横向积分投影,获得每个积分区域的投影向量和峰谷点,所有积分区域的投影向量和峰谷点组成所述输入图像的特征向量;

判断模块,用于:根据预置的由样本图像的特征向量训练的预置分类器对所述输入图像的特征向量进行分类,根据分类结果确定所述输入图像是否为笑脸图像。

6.根据权利要求5所述的识别装置,其特征在于,所述体现人脸特征的区域为人脸区域或嘴部区域。

7.根据权利要求5所述的识别装置,其特征在于,所述体现人脸特征的区域为人脸区域和嘴部区域;

所述分区模块具体用于:将所述人脸区域被规划出N个互相嵌套的人脸积分区域,将所述嘴部区域被规划出N个互相嵌套的嘴部积分区域;

所述特征向量模块具体用于:使所述特征向量包括所有人脸积分区域的投影向量和峰谷点以及所有嘴部积分区域的投影向量和峰谷点。

8.根据权利要求5所述的识别装置,其特征在于,所述判断模块中还包括预置分类器单元,用于:

将所述样本图像的特征向量作为弱特征向量,输入给AdaBoost分类器;所述AdaBoost分类器根据所述弱特征向量通过训练生成强分类器,所述强分类器作为所述预置分类器;或者,利用所述AdaBoost分类器从所述样本图像的特征向量中选取有效特征生成新特征向量,然后利用支持向量机SVM进行特征向量的分类生成所述预置分类器。

9.根据权利要求5所述的识别装置,其特征在于,所述特征向量模块,还用于通过如下公式计算所述峰谷点中的波峰值:

Σj=1N1(2*Y(i)-Y(i-j)-Y(i+j))>thresh1]]>

其中N1、thresh1为预设值,Y(i)为第i行的横向积分投影值;

通过如下公式计算所述峰谷点中的波谷值:

Σj=1N2(2*Y(i)-Y(i-j)-Y(i+j))<thresh2]]>

其中N2、thresh2为预设值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京中星微电子有限公司,未经北京中星微电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201010222867.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top