[发明专利]笑容检测系统及方法

说明书

背景技术

数字图像中的对象识别用于跟踪面部（例如为了安全目的）和医疗成像。可以用于对象识别的示例性形状检测算法包括主动外观模型（AAM）和主动形状模型（ASM）。

AAM算法将在训练阶段提供的对象形状的统计模型与当前图像中的对象形状相匹配。在训练过程中，提供并存储一组图像和图像中的对象的相应坐标。然后，在使用过程中，该算法将当前图像与所存储的对象识别数据相比较。最小均方统计技术用来匹配当前图像中的对象。然而，ASM仅使用形状约束来进行对象识别，而不利用其它信息，例如目标对象的纹理。

ASM算法使用对象形状的统计模型，对象形状的统计模型迭代地变形以符合新图像中的对象示例。对象的形状由一组受形状模型控制的点表示。然后，通过交替地在图像中在每个点附近进行搜索来寻找该点的更佳位置，以及更新模型参数来最佳地匹配新发现的位置，将模型与当前图像相匹配。通过查找显著的边缘或者通过与该点处预期的统计模型相匹配，可以定位每个点的更佳位置。

然而，AAM算法和ASM算法需要大量计算，因此会很慢，除非在大型计算系统上（例如那些可能与大型视频监控系统和医疗成像系统结合使用的系统）使用。AAM算法和ASM算法还被发现易于出错。

附图说明

图1是可以用于图像中的笑容检测的示例性相机系统的框图。

图2是示例性笑容检测应用程序的功能模块的示意图。

图3a-图3b示出可以根据本发明中描述的用于笑容检测的系统和方法分析的包括面部的示例性图像。

图4a-图4b示出关于图3a-图3b中示出的图像分别可能产生的示例性搜索图。

图5是图示用于图像中的笑容检测的示例性操作的流程图。

具体实施方式

可以实施本发明中描述的系统和方法来进行图像中的笑容检测。简要地说，可以使用比上面描述的AAM算法和ASM算法需要更少计算量的操作，快速地检测笑容（或不悦）。笑容（或不悦）是通过根据至少三个输入点（左角、右角和中间点）将上嘴唇和/或下嘴唇建模为抛物线来检测的。还可以使用其它输入点。沿抛物线轨迹分析灰度值。通常，选择具有更宽、更暗和/或更一致轨迹的抛物线作为代表嘴的最佳。然后，可以针对笑容（或不悦）来分析所选择的抛物线的曲率。

在示例性实施例中，图像转换器被配置成产生图像子集的搜索图。可操作地与图像转换器关联的图像分析器被配置成：在搜索图中辨别代表嘴角的多个候选者；在一对或多对候选者之间产生抛物线；并且根据抛物线轨迹确定嘴大致向上弯曲成形成笑容还是大致向下弯曲成形成不悦（或者不形成笑容也不形成不悦）。

图1是可以用于图像中的笑容检测的示例性相机系统的框图。示例性相机系统100可以是包括透镜110的数码相机（例如静态相机、摄影机、照相手机或其它），镜头110被放置成在快门135为图像曝光开启时将从场景125中的一个或多个对象122反射到图像捕获设备或图像传感器130上的光120进行聚焦。快门135可以以机械方式实现或者在电路中实现，并且不在所有相机中实现。示例性透镜110可以是对从场景125反射到图像传感器130上的光120进行聚焦的任何适合的透镜。

示例性图像传感器130可以包括多个光敏单元，每个光敏单元响应于暴露于光增加或累积电荷。任何特定像素的累积电荷正比于光暴露的强度和持续时间。示例性图像传感器130可以包括但不限于电荷耦合器件（CCD）或者互补金属氧化物半导体（CMOS）传感器。

相机系统100还可以包括图像处理逻辑140。在数码相机中，图像处理逻辑140从图像传感器130接收代表曝光期间由图像传感器130捕获的光120的电信号，来产生场景125的数字图像。数字图像可以存储在相机的存储器150（例如可移除的存储卡）中。在另一实施例中，数字图像可以在例如显示器170上向用户“实时（这通常称为实时观看）”显示。

如图1中图示的那些快门、图像传感器、存储器和图像处理逻辑是相机和照相领域众所周知的。本领域的技术人员在熟悉本发明的教导以后，可以容易地向数码相机100提供这些组件，因此不必要做进一步的描述。

数码相机100还可以包括照片分析子系统160。在示例性实施例中，照片分析子系统160被实现在驻留在数码相机100的存储器中的且可由数码相机100的处理器，例如可商业获得的数码相机通常具有的存储器和处理器，运行的程序代码（例如固件和/或软件）。