[发明专利]一种人脸图像采集的自适应控制方法

权利要求书

1.一种人脸图像采集的自适应控制方法，其步骤如下：

a、控制器(10)控制相机拍摄初始图像，并输入到控制器(10)中，设定以初始图像左上角为原点o′，向右为x′轴正方向，向下为y′轴正方向，建立直角坐标系O′x′y′，在初始图像直角坐标系O′x′y′中建立人脸图像直角坐标系Oxy；

b、基于Adaboost算法的人脸检测，检测训练部分中训练强分类器，设定n个训练样本(x₁,y₁),...,(x_i,y_i),..(x_n,y_n)，y_i可取0和1，y_i＝1代表人脸样本，y_i＝0代表非人脸样本，初始化权重ω：

人脸样本的权重

其中m为人脸样本的个数，

非人脸样本的权重

其中l为非人脸样本的个数，

对于t＝1:T，

①权重归一化

②筛选出最优的弱分类器h_t(x_k,p_k,f_k,θ_k)，其分类错误率为：

其中x_k代表一个检测子窗口，p_k指示不等号的方向，f_k为特征，θ_k为阈值；

③更新权值

其中代表分类错误占分类正确的比例，其中e_i可取0和1，当e_i＝0时，x_i被正确分类；当e_i＝1时，x_i被错误分类，

最后的强分类器为：

其中

c、基于分级方案的人脸眼睛和嘴的定位：

基于小波的特征图的特征值的计算，基于小波的特征图中第n个特征值Sal(n)的计算公式为：

其中权重ω_k是分配给最大的不同尺度的小波系数，又是互惠的标准差系数，为第k个小波系数，为小波函数，f(n)为尺度大小2^j的信号；

权重ω_k的计算公式为：

其中S为最大的小波系数在k层次的数量,是在0≤z≤S内的最大系数，

基于主成分分析的双眼区域的校对：

由于双眼区域是一个矩形区域，所以双眼区域可以看成是由M个列向量组成，表示为Γ₁,Γ₂,..,Γ_M，

双眼区域样本的平均值为：

每个双眼区域与平均值的之间的差值为：

φ_n＝Γ_n-Ψ (10)

双眼区域的协方差矩阵为：

其中A＝[φ₁,φ₂,...,φ_M]，

实际中直接计算矩阵C的特征向量的计算量很大，可以通过矩阵AA^T的特征向量v_n的定义来计算：

A^TAv_n＝λ_nv_n (12)

对公式(13)两边左乘矩阵A可得：

AA^TAv_n＝Aλ_nv_n (13)

由公式(14)式可知，Av_n是矩阵C的特征向量，

于是，可以用特征向量μ_n来表示成M个样本的线性组合：

其中n＝1,2,...,M，

表示为Γ₁,Γ₂,..,Γ_M的双眼区域投影到特征空间中：

其中n＝1,2,...,M，Γ_n表示双眼区域中的第n个列向量；

双眼区域的每个特征向量的权重组成一个向量：

Ω^T＝{ω₁,ω₂,...,ω_n} (16)

双眼区域与重构图像之间的平方差为：

由公式(18)计算平方差就可求出最小重构误差的双眼区域；

基于眼睛模板的眼睛和嘴的定位：

眼睛模板有三个方块组成，中心的黑块代表了在人眼中黑色的瞳孔，表示为B，这个黑色方块左右两侧为白色方块，分别表示为W₁和W₂；

用来测量眼睛模板的相似函数SIM的定义为：

其中为区域W₁的强度的总和，为区域W₂的强度的总和，I_B为区域B的强度的总和，β是一个避免分母为零的正数，

人脸样本中Q个眼睛模板，最佳的眼睛位置(x_best,y_best)的定义如下：

x_best＝median(x₁,x₂,..x_Q) (19)

y_best＝median(y₁,y₂,..y_Q) (20)

d、人脸图像中偏值的计算：

水平偏距和垂直偏距的计算：设人脸图像直角坐标系O′x′y′的人脸图像窗口宽为width₁，高为height₁，初始图像的宽为width₂，高为height₂，坐标系Oxy的原点在坐标系O′x′y′为(face_x,face_y)，坐标系Oxy相对坐标系O′x′y′的水平偏移量为Δw，垂直偏移量为Δh，因此最小的水平偏距Δlevel_min和垂直偏距Δvertical_min分别为：

侧面偏转角度的计算：

设左眼中心坐标为(x₁,y₁)，右眼中心坐标为(x₂,y₂)，嘴的中心坐标为(x₃,y₃)，两只眼睛的水平距离为l，垂直距离为d，人脸图像侧面偏转时，鼻子下点水平线与左右两眼睛内点的距离分别为l₁和l₂，鼻子下点水平线与嘴内点的距离为l₃；

人脸图像的平面偏转角度α：

鼻子下点与左右两眼内点的角度差β₁:

鼻子下点与嘴内点的角度差β₂:

人脸图像的侧面偏转角度β：

e、控制器(10)控制相机搭载台(6)水平移动Δlevel₁、垂直移动Δvertical₁、转动电机(7)转动角度β，再控制相机拍摄。