CN102542253A - 基于支持向量机的人脸两颧颜色分类的方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的人脸两颧颜色分类的方法，其步骤如下：（1）建立两颧颜色训练样本集；（2）利用支持向量机对两颧颜色训练样本集进行训练，构建两颧颜色分类器；（3）利用两颧颜色分类器识别，判断待识别的两颧图像是否属于红类两颧图像或非红类两颧图像。该方法采用支持向量机作为分类器，以像素点的R、G、B值为特征向量，利用计算机模拟中医专家对两颧颜色进行识别，具有可重复性；该方法在识别阶段采用阈值判断的方法，使得两颧颜色的判断机制更加简洁、直观和公正；模拟中医对两颧颜色进行识别，克服中医目测观察两颧颜色的主观性强、重复性差的缺点；该方法是对中医两颧颜色识别经验的总结和继承。

Description

基于支持向量机的人脸两颧颜色分类的方法

技术领域

本发明涉及一种基于支持向量机的人脸两颧颜色分类的方法，属于模式识别和图像处理领域。 

背景技术

中医基本方法有四种，即：望、闻、问、切，而在望诊里，一个人的两颧颜色能反映出他的健康状况，临床上一般将两颧颜色分为：红和非红两类。两颧红是指人脸面部两颧泛红，泛红现象主要是由皮肤下的红血丝引起的，中医认为两颧发红多属阴虚有内热之象。一般颧色是指颧骨部位的面色，若其上面有明显的红血丝分布，则将其判为两颧红，否则为两颧非红。传统的两颧颜色判断方法主要依靠医生目视观察进行判断分析,其诊断结果受知识水平、思维能力、诊断技能等人为主观因素以及光照、温度等环境客观因素的影响，缺乏客观评价依据。因此，对两颧颜色判断存在主观性强、且重复性差。 

发明内容

本发明的目的在于针对现有技术存在的不足，提出一种基于支持向量机的人脸两颧颜色分类的方法，该方法采用支持向量机作为分类器，以像素点的R、G、B值为特征向量，利用计算机模拟中医专家对两颧颜色进行识别，进而克服传统两颧颜色识别主观性强、可重复性差的缺点。 

为了达到上述目的，本发明采用下述技术方案。 

本发明的基于支持向量机的人脸两颧颜色分类的方法，该方法包括如下步骤： 

（1）建立两颧颜色训练样本集；

（2）构建两颧颜色分类器；

（3）利用两颧颜色分类器识别，判断待识别的两颧图像是否属于红类两颧图像或非红类两颧图像。

上述步骤（1）所述的建立两颧颜色训练样本集，其具体步骤如下： 

（11）、用Graphcut分割算法对人脸照片进行两颧分割，得到若干幅两颧图像，识别所有两颧图像的两颧颜色，将所有已识别的两颧图像的两颧颜色分为：红类两颧颜色和非红类两颧颜色，保存到两颧图像库；

（12）、采用图像处理软件photoshop对两颧图像库中的两颧图像进行分块，该分块的大小为8*8像素分块；

（13）、分别对每一两颧图像分块提取每块内所有像素点的R、G、B值，由各像素点的R、G、B值构成特征向量，再由各特征向量构成两颧颜色训练样本集；

上述步骤（2）所述的构建两颧颜色分类器，其具体步骤如下：

（21）、将步骤（1）得到的两颧颜色训练样本集输入支持向量机；

（22）、对两颧颜色训练样本集进行训练，得到训练模型，由该训练模型构建成两颧颜色分类器；

上述步骤（3）所述的利用两颧颜色分类器识别，判断待识别的两颧图像是否属于红类两颧图像或非红类两颧图像，其具体步骤如下：

（31）、利用Graphcut分割算法对人脸照片进行两颧分割，得到若干幅待识别两颧图像；

（32）、将上述每一幅待识别两颧图像按照图像像素设定的大小分成若干分块，该分块的大小为8*8像素分块；

（33）、分别对上述每一幅待识别两颧图像分块提取每一块内所有像素点的R、G、B值，由每一块内所有各像素点的R、G、B值构成与其对应的待识别两颧图像分块的特征向量，再由上述所有每一幅待识别两颧图像分块的特征向量构成待识别两颧图像的特征向量；

（34）、将步骤（33）得到待识别两颧图像的特征向量输入到步骤（2）中所述的两颧颜色分类器，统计出每一幅待识别两颧图像中两颧颜色红类块和两颧颜色非红类块；

（35）、设置一个待识别每幅两颧图像中两颧颜色红类块占该幅两颧图像所有分块的比例值为识别阈值，具体步骤如下：

（351）、将步骤（11）所述的两颧图像库中的所有两颧图像按照每一幅两颧图像像素设定的大小分成若干8*8的像素块；

（352）、分别对每一幅两颧图像分块提取每一块内所有像素点的R、G、B值，由每一块内所有像素点的R、G、B值构成与其对应的两颧图像分块的特征向量，再由每一幅两颧图像分块的特征向量构成该幅两颧图像的特征向量；

（353）、将上述每一幅两颧图像的特征向量输入到步骤（2）中所述的两颧颜色分类器，统计出每一幅两颧图像中的两颧颜色红类块和两颧颜色非红类块；

（354）、由步骤（353）的输出，统计出每幅两颧图像中红类块占该幅两颧图像所有块的比例。从所有两颧图像的红类块比例中选取出一个合适的比例值当作识别阈值。

（36）、判断每一幅待识别两颧图像中两颧颜色红类分块占该幅两颧图像所有分块的比例是否大于或等于识别阈值，若识别两颧图像中两颧颜色红类块占该幅两颧图像所有分块的比例值大于或等于识别阈值，则将该幅待识别两颧图像判为红类两颧图像；否则将该幅待识别两颧图像判为非红类两颧图像。 

本发明的基于支持向量机的人脸两颧颜色分类的方法与传统中医目测观察两颧颜色的方法相比具有的优点在于：该方法采用支持向量机作为分类器，以像素点的R、G、B值为特征向量，利用计算机模拟中医专家对两颧颜色进行识别，具有可重复性；该方法在识别阶段采用阈值判断的方法，使得两颧颜色的判断机制更加简洁、直观和公正；模拟中医对两颧颜色进行识别，克服中医目测观察两颧颜色的主观性强、重复性差的缺点；该方法是对中医两颧颜色识别经验的总结和继承。 

附图说明

图1为本发明的基于支持向量机的人脸两颧颜色分类的方法的总流程框图； 

图2a为本发明的基于支持向量机的人脸两颧颜色分类的方法识别的一幅两颧图像中的人脸左边颧色图像；

图2b为本发明的基于支持向量机的人脸两颧颜色分类的方法识别的一幅两颧图像中的人脸右边颧色图像；

图3为图1中步骤（35）所述的设定阈值的流程图。

具体实施方式

以下结合附图1对本发明的实施例作进一步的详细说明。 

本实施例以本发明的技术方案为前提进行实施： 

如图1所示，本发明的基于支持向量机的人脸两颧颜色分类的方法，其具体步骤如下：

（1）、建立两颧颜色训练样本集：

（11）、采用Graphcut分割算法对36幅人脸照片进行两颧分割，得到若干幅两颧图像，识别所有两颧图像的两颧颜色，将已识别的所有两颧图像的两颧颜色分为：红类两颧颜色和非红类两颧颜色；

（12）、采用图像处理软件photoshop对两颧图像库中的36幅两颧图像进行分块，该分块的大小设定为8*8像素分块，实施例中，得到红类像素分块440个，非红类像素分块360个。

（13）、分别对每一两颧图像分块提取每块内所有像素点的R、G、B值，由各像素点的R、G、B值构成特征向量，再由各特征向量构成两颧颜色训练样本集 

每一个8*8的像素分块，由分块中64个像素的R、G、B值构成该块的特征向量，则每个像素分块的特征向量具有192维特征，其表达式为：

                                         (1)

（2）、构建两颧颜色分类器，其具体步骤如下：

（21）、将步骤（1）得到的两颧颜色训练样本集输入支持向量机；

实施例中，采用LIBSVM软件包作为分类工具，以径向基函数为核函数，其中，最优惩罚参数C为8.0，径向基函数中的参数σ等于0.00012。

（22）、对两颧颜色训练样本集进行训练，得到训练模型，由该训练模型构建成两颧颜色分类器。 

（3）、利用两颧颜色分类器识别，判断待识别的两颧图像是否属于红类两颧图像或非红类两颧图像，其具体步骤如下： 

（31）、利用Graphcut分割算法对34幅人脸照片进行两颧分割，得到若干幅待识别两颧图像，例如34幅两颧图像；

（32）、将上述每一幅待识别两颧图像按照图像像素设定的大小分成若干分块，该分块大小为8*8像素分块；

实施例中，这34幅两颧图像，每幅两颧图像可分成2000块左右的8*8像素分块。

（33）、分别对上述每一幅待识别两颧图像分块提取每一块内所有像素点的R、G、B值，由每一块内所有各像素点的R、G、B值构成与其对应的待识别两颧图像分块的特征向量，再由上述所有每一幅待识别两颧图像分块的特征向量构成待识别两颧图像的特征向量； 

每一分块的特征向量也是一个192维的特征向量，同公式（1）。

（34）、将步骤（33）得到待识别两颧图像的特征向量输入到步骤（2）中所述的两颧颜色分类器，统计出每一幅待识别两颧图像中两颧颜色红类块和两颧颜色非红类块； 

（35）、设置待识别每幅两颧图像中两颧颜色红类块占该幅两颧图像所有分块的比例值为识别阈值，具体步骤如下：

（351）、将步骤（11）所述的两颧图像库中的所有两颧图像按照每一幅两颧图像像素设定的大小分成若干8*8的像素块；

（352）、分别对每一幅两颧图像分块提取每一块内所有像素点的R、G、B值，由每一块内所有像素点的R、G、B值构成与其对应的两颧图像分块的特征向量，再由每一幅两颧图像分块的特征向量构成该幅两颧图像的特征向量；

（353）、将上述每一幅两颧图像的特征向量输入到步骤（2）中所述的两颧颜色分类器，统计出每一幅两颧图像中的两颧颜色红类块和两颧颜色非红类块；

（354）、由步骤（353）的输出，统计出每幅两颧图像中红类块占该幅两颧图像所有块的比例。从所有两颧图像的红类块比例中选取出一个合适的比例值当作识别阈值。

（36）、判断每一幅待识别两颧图像中两颧颜色红类分块占该幅两颧图像所有分块的比例是否大于或等于识别阈值，若识别两颧图像中两颧颜色红类块占该幅两颧图像所有分块的比例值大于或等于识别阈值，则将该幅待识别两颧图像判为红类两颧图像；否则将该幅待识别两颧图像判为非红类两颧图像。 

例如，本实施例中识别阈值选取为50%，图2所示的两颧图像的识别比例结果为92.4779%，该比例结果大于识别阈值，因此将该两颧图像识别为两颧红图像。34幅两颧图像的分类结果如下表所示，最终两颧颜色分类结果为82.35%。 

[0020] 表1 34幅两颧图像的分类结果 

Claims (4)

1.一种基于支持向量机的人脸两颧颜色分类的方法，其特征在于包括如下步骤：

（1）、建立两颧颜色训练样本集；

（2）、构建两颧颜色分类器；

（3）、利用两颧颜色分类器识别，判断待识别的两颧图像是否属于红类两颧图像或非红类两颧图像。

2.根据权利要求1所述的基于支持向量机的人脸两颧颜色分类的方法，其特征在于，上述步骤（1）所述的建立两颧颜色训练样本集，其具体步骤如下：

（11）、用Graphcut分割算法对人脸照片进行两颧分割，得到若干幅两颧图像，识别所有两颧图像的两颧颜色，将所有已识别的两颧图像的两颧颜色分为：红类两颧颜色和非红类两颧颜色，保存到两颧图像库；

（12）、采用图像处理软件photoshop对两颧图像库中的两颧图像进行分块，该分块的大小为8*8像素分块；

（13）、分别对每一两颧图像分块提取每块内所有像素点的R、G、B值，由各像素点的R、G、B值构成特征向量，再由各特征向量构成两颧颜色训练样本集。

3.根据权利要求1所述的基于支持向量机的人脸两颧颜色分类的方法，其特征在于，上述步骤（2）所述的构建两颧颜色分类器，其具体步骤如下：

（21）、将步骤（1）得到的两颧颜色训练样本集输入支持向量机；

（22）、对两颧颜色训练样本集进行训练，得到训练模型，由该训练模型构建成两颧颜色分类器。

4.根据权利要求1所述的基于支持向量机的人脸两颧颜色分类的方法，其特征在于，上述步骤（3）所述的利用两颧颜色分类器识别，判断待识别的两颧图像是否属于红类两颧图像或非红类两颧图像，其具体步骤如下：

（31）、利用Graphcut分割算法对人脸照片进行两颧分割，得到若干幅待识别两颧图像；

（32）、将上述每一幅待识别两颧图像按照图像像素设定的大小分成若干分块，该分块的大小为8*8像素分块；

（33）、分别对上述每一幅待识别两颧图像分块提取每一块内所有像素点的R、G、B值，由每一块内所有各像素点的R、G、B值构成与其对应的待识别两颧图像分块的特征向量，再由上述所有每一幅待识别两颧图像分块的特征向量构成待识别两颧图像的特征向量；

（34）、将步骤（33）得到待识别两颧图像的特征向量输入到步骤（2）中所述的两颧颜色分类器，统计出每一幅待识别两颧图像中两颧颜色红类块和两颧颜色非红类块；

（35）、设置一个待识别每幅两颧图像中两颧颜色红类块占该幅两颧图像所有分块的比例值为识别阈值，具体步骤如下：

（351）、将步骤（11）所述的两颧图像库中的所有两颧图像按照每一幅两颧图像像素设定的大小分成若干8*8的像素块；

（352）、分别对每一幅两颧图像分块提取每一块内所有像素点的R、G、B值，由每一块内所有像素点的R、G、B值构成与其对应的两颧图像分块的特征向量，再由每一幅两颧图像分块的特征向量构成该幅两颧图像的特征向量；

（353）、将上述每一幅两颧图像的特征向量输入到步骤（2）中所述的两颧颜色分类器，统计出每一幅两颧图像中的两颧颜色红类块和两颧颜色非红类块；

（354）、由步骤（353）的输出，统计出每幅两颧图像中红类块占该幅两颧图像所有块的比例；从所有两颧图像的红类块比例中选取出一个合适的比例值当作识别阈值；

（36）、判断每一幅待识别两颧图像中两颧颜色红类分块占该幅两颧图像所有分块的比例是否大于或等于识别阈值，若识别两颧图像中两颧颜色红类块占该幅两颧图像所有分块的比例值大于或等于识别阈值，则将该幅待识别两颧图像判为红类两颧图像；否则将该幅待识别两颧图像判为非红类两颧图像。

Images