專(zhuān)利名稱(chēng)：一種改進(jìn)線性鑒別分析降維的笑臉識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識(shí)別與人工智能技術(shù)領(lǐng)域，特別涉及一種改進(jìn)線性鑒別分析降維的笑臉識(shí)別方法。
背景技術(shù)：
笑臉識(shí)別技術(shù)是指識(shí)別出一幅靜態(tài)人臉圖像，或一段動(dòng)態(tài)視頻中的人臉是否為笑臉表情的一種技術(shù)。笑臉識(shí)別技術(shù)屬于模式識(shí)別與人工智能技術(shù)領(lǐng)域，可以將其理解為人臉表情技術(shù)的一個(gè)子集。人臉表情識(shí)別一般是指將人類(lèi)的表情分為七類(lèi)(中性，快樂(lè)，害怕， 悲傷，生氣，厭惡，鄙視)，對(duì)靜態(tài)圖片或視頻中的人臉表情進(jìn)行自動(dòng)分類(lèi)。但是，表情識(shí)別技術(shù)還不夠成熟，還未能真正在實(shí)際中應(yīng)用。相對(duì)而言，笑臉識(shí)別技術(shù)更易實(shí)現(xiàn)，也更具實(shí)用性(除了中性，笑臉是人類(lèi)最易做出的表情)，因此市場(chǎng)上已出現(xiàn)一些笑臉識(shí)別技術(shù)的應(yīng)用。 例如，以笑臉識(shí)別功能為賣(mài)點(diǎn)的數(shù)碼照相機(jī)和數(shù)碼攝相機(jī)的問(wèn)市，就是笑臉識(shí)別技術(shù)的典型應(yīng)用。笑臉是人臉表情的一個(gè)關(guān)鍵表情，其識(shí)別也是一項(xiàng)重要有待解決的問(wèn)題。目前申請(qǐng)?zhí)枮镃N200710203477. X的專(zhuān)利申請(qǐng)文件提供一種笑臉追蹤方法，該方法通過(guò)相機(jī)模塊的鏡頭拍攝圖片；將拍攝的圖片轉(zhuǎn)換成黑白圖片；讀取所述黑白圖片上的各個(gè)點(diǎn)的亮度值；通過(guò)亮度值及臉部的基本輪廓截取圖片中的頭像圖形，及在上述截取的頭像圖形中截取嘴唇圖形；比較上述截取的嘴唇圖形與相機(jī)模塊保存的人臉微笑時(shí)嘴唇圖形的相似度， 通過(guò)這個(gè)相似度來(lái)實(shí)現(xiàn)笑臉的區(qū)別，從而確定拍攝的圖片是否存在相機(jī)里面。此方法只用模板匹配的方法，只有當(dāng)所攝人物已在數(shù)據(jù)庫(kù)中，此方法才非常有效，而且此方法來(lái)依賴(lài)于閾值，需要很好的經(jīng)驗(yàn)判斷。申請(qǐng)?zhí)枮镃N200710173678.X的專(zhuān)利申請(qǐng)文件介紹了一種手機(jī)相機(jī)捕捉笑臉的方法，該方法克服現(xiàn)有技術(shù)中使用手機(jī)拍照不易捕捉最佳拍攝時(shí)機(jī)和被拍者最佳表情的缺陷。首先通過(guò)人臉檢測(cè)得到人臉，提取人臉重要器官的位置參數(shù)信息；對(duì)人臉實(shí)施跟蹤，分析嘴的中心，當(dāng)檢測(cè)到人的嘴在笑時(shí)，焦點(diǎn)會(huì)自動(dòng)鎖定臉部，進(jìn)行拍攝。此發(fā)明只是利用笑臉來(lái)進(jìn)行輔助相機(jī)拍攝，而且笑臉檢測(cè)方法過(guò)于簡(jiǎn)單，只滿(mǎn)足一些簡(jiǎn)單的應(yīng)用場(chǎng)合。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述笑臉識(shí)別技術(shù)的不足，提供一種改進(jìn)線性鑒別分析降維的笑臉識(shí)別方法。本發(fā)明采用的技術(shù)方案為笑臉識(shí)別中使用Gabor特征和利用改進(jìn)線性鑒別分析進(jìn)行特征降維；最終，支持矢量機(jī)分類(lèi)器實(shí)現(xiàn)笑臉與非笑臉的區(qū)別，
本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn)
(11)基于Haar特征與AdaBoost算法的人臉區(qū)域定位；
(12)人臉區(qū)域Gabor特征矢量的提??；
(13)改進(jìn)線性鑒別分析對(duì)人臉區(qū)域Gabor特征矢量的特征降維；(14)支持向量機(jī)對(duì)降維后的Gabor特征矢量進(jìn)行訓(xùn)練與識(shí)別。
所述改進(jìn)線性鑒別分析對(duì)人臉區(qū)域Gabor特征矢量的特征降維，其具體步驟如下
假設(shè)子空間是由一系列矢量
權(quán)利要求
1.一種改進(jìn)線性鑒別分析降維的笑臉識(shí)別方法，其特征在于具體步驟為(11)、基于標(biāo)準(zhǔn)的Haar特征與AdaBoost算法的人臉區(qū)域定位；(12)、人臉區(qū)域Gabor特征矢量的提??；(13)、改進(jìn)線性鑒別分析對(duì)人臉區(qū)域Gabor特征矢量的特征降維；(14)、支持向量機(jī)對(duì)降維后的Gabor特征矢量進(jìn)行訓(xùn)練與識(shí)別。
2.根據(jù)要求1所述的笑臉識(shí)別方法，其特征在于所述步驟 (12)的Gabor特征矢量提取采用的Gabor濾波器具有4個(gè)方向濘e[450,900,1350，1800]和 5 個(gè)尺度Λ e
。
3.根據(jù)要求1所述的笑臉識(shí)別方法，其特征在于所述步驟(13)的具體步驟為定義子空間是由一系列矢量
4.根據(jù)要求1所述的笑臉識(shí)別方法，其特征在于所述步驟(14)的支持向量機(jī)為二類(lèi)支持矢量機(jī)分類(lèi)器。
全文摘要
本發(fā)明提供一種改進(jìn)線性鑒別分析降維的笑臉識(shí)別方法，具體步驟為基于標(biāo)準(zhǔn)的Haar特征與AdaBoost算法的人臉區(qū)域定位；人臉區(qū)域Gabor特征矢量的提?。桓倪M(jìn)線性鑒別分析對(duì)Gabor特征矢量的特征降維；支持向量機(jī)的訓(xùn)練與識(shí)別。本發(fā)明提出改進(jìn)的線性鑒別分析進(jìn)行特征降維，克服傳統(tǒng)線性鑒別分析的多模態(tài)問(wèn)題，有效實(shí)現(xiàn)特征維數(shù)的降維。總體而言，本發(fā)明的笑臉識(shí)別方法的系統(tǒng)識(shí)別速度快，系統(tǒng)識(shí)別性能高。
文檔編號(hào)G06K9/62GK102194107SQ20111012293
公開(kāi)日2011年9月21日 申請(qǐng)日期2011年5月13日 優(yōu)先權(quán)日2011年5月13日
發(fā)明者郭禮華 申請(qǐng)人:華南理工大學(xué)