CN105704368B - 一种人脸图像采集的自适应控制方法 - Google Patents

Abstract

本发明公开了一种人脸图像采集的自适应控制方法，包括有机座，所述机座上设有至少两根竖直设置的竖向导轨，所述机座上设有竖向传动轴，所述竖向传动轴上套设有沿竖向导轨竖向滑动的竖向滑块，所述竖向滑块之间设有横向导轨，所述横向导轨上设有横向传动轴，所述横向传动轴上套设有沿横向导轨横向滑动的相机搭载台，所述相机搭载台上设有转动电机，所述转动电机转轴竖向设置，所述转动电机转轴上设有随转轴转动的相机，通过水平移动、垂直移动以及左右旋转相机摄像头的方式自动跟随人脸自适应控制摄像头，可以减少人工纠正的误差，更好地保证了所拍摄出来的照片满足证件照的要求，提高了使用者的舒适度。

Description

一种人脸图像采集的自适应控制方法

[技术领域]

本发明涉及一种人脸图像采集的自适应控制方法。

[背景技术]

现阶段的自助照相设备主要分为两大类型，第一类是设备中的照相设备只进行上下移动，把人脸移动到屏幕中上下的中心，再经由人对照相设备进行左右调整并在照片符合证件照的要求时采集照片，这种类型的机器自动化程度不高，依旧需要人工操作，且使用效率与照相馆的效率相比高不出多少；还有一类机器是把照相设备固定在一个位置，照相者坐着的凳子进行上下移动，在照片符合证件照的要求时采集照片。这样的机器自动化程度相对较高，但是有一定的范围，对于过于肥胖的人、老年人以及小孩会出现一定的不适应性。这两种类型的自助照相设备都需要人为调整正对着摄像头，但这种人工进行调整的方式是不准确的无法准确保证照片符合证件照的要求。

[发明内容]

本发明克服了上述技术的不足，提供了一种人脸图像采集的自适应控制方法，通过水平移动、垂直移动以及左右旋转相机摄像头的方式自动跟随人脸自适应控制摄像头，可以减少人工纠正的误差，更好地保证了所拍摄出来的照片满足证件照的要求，提高了使用者的舒适度和满意度。

为实现上述目的，本发明采用了下列技术方案：

一种人脸图像采集的自适应控制装置，包括有机座100，所述机座100上设有至少两根竖直设置的竖向导轨1，所述机座100上设有竖向传动轴2，所述竖向传动轴2上套设有沿竖向导轨1竖向滑动的竖向滑块3，所述竖向滑块3之间设有横向导轨4，所述横向导轨4上设有横向传动轴5，所述横向传动轴5上套设有沿横向导轨4横向滑动的相机搭载台6，所述相机搭载台6上设有转动电机7，所述转动电机7转轴竖向设置，所述转动电机7转轴上设有随转轴转动的相机。

所述竖向传动轴2上设有竖向传动轴螺纹，所述竖向传动轴2一端设有第一电机8，所述竖向传动轴2随第一电机8转轴转动，所述竖向滑块3套接处设有与竖向传动轴螺纹配合随竖向传动轴2转动而使竖向滑块3垂直移动的竖向滑块螺纹。

所述横向传动轴4上设有横向传动轴螺纹，所述横向传动轴4一端设有第二电机9，所述横向传动轴4随第二电机9转轴转动，所述相机搭载台6套接处设有与横向传动轴螺纹配合随横向传动轴4转动而使相机搭载台6横向移动的相机搭载台螺纹。

所述机座100上还设有控制器10，所述控制器10连接有第一电机8、第二电机9、设置于竖向传动轴2另一端的第一编码器11、设置于横向传动轴4另一端的第二编码器12、转动电机7和相机，所述第一电机8与第一编码器11连接，所述第二电机9与第二编码器12连接。

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。

本发明的有益效果是：

本发明中的一种人脸图像采集的自适应控制装置能够自动跟随人脸自适应控制调整摄像头的方位，来实现所拍摄到的人脸照片符合证件照的要求；在装置结构部分设计出相机搭载台，且能使相机搭载台相应上下左右移动的机械构架，实现了相机的水平调整与垂直调整的功能，在平台上搭载一个转动电机，相机设置于转动电机的转轴上，实现了相机的左右旋转功能；同时，在直线移动的电机上都装入编码器进行反馈控制，大幅度提高精度；采用滚珠式螺纹传动轴丝杠以及直线导轨减轻机器运行时的噪音以及驱动电压；相比现有只能上下移动摄像头以及只能上下移动座椅的方式，该装置通过水平移动、垂直移动以及左右旋转摄像头的方式自动跟随人脸自适应控制摄像头可以减少人工纠正的误差，更好地保证了所拍摄出来的照片满足证件照的要求，提高了使用者的舒适度和满意度。

[附图说明]

图1为本发明装置机械结构示意图；

图2为本发明装置电路结构示意图；

图3为本发明流程图；

图4为本发明初始图像与人脸图像直接坐标系示意图。

[具体实施方式]

下面结合附图与本发明的实施方式作进一步详细的描述：

如图1所示，一种人脸图像采集的自适应控制装置，包括有机座100，所述机座100上设有至少两根竖直设置的竖向导轨1，所述机座100上设有竖向传动轴2，所述竖向传动轴2上套设有沿竖向导轨1竖向滑动的竖向滑块3，所述竖向滑块3之间设有横向导轨4，所述横向导轨4上设有横向传动轴5，所述横向传动轴5上套设有沿横向导轨4横向滑动的相机搭载台6，所述相机搭载台6上设有转动电机7，所述转动电机7转轴竖向设置，所述转动电机7转轴上设有随转轴转动的相机。

其中，所述竖向传动轴2上设有竖向传动轴螺纹，所述竖向传动轴2一端设有第一电机8，所述竖向传动轴2随第一电机8转轴转动，所述竖向滑块3套接处设有与竖向传动轴螺纹配合随竖向传动轴2转动而使竖向滑块3垂直移动的竖向滑块螺纹。

所述横向传动轴4上设有横向传动轴螺纹，所述横向传动轴4一端设有第二电机9，所述横向传动轴4随第二电机9转轴转动，所述相机搭载台6套接处设有与横向传动轴螺纹配合随横向传动轴4转动而使相机搭载台6横向移动的相机搭载台螺纹。

如图2所示，所述机座100上还设有控制器10，所述控制器10连接有第一电机8、第二电机9、设置于竖向传动轴2另一端的第一编码器11、设置于横向传动轴4另一端的第二编码器12、转动电机7和相机，所述第一电机8与第一编码器11连接，所述第二电机9与第二编码器12连接。

工作原理：控制器10控制第一电机8带动竖向传动轴2转动，通过设置于竖向传动轴2上的竖向传动轴螺纹与设置于竖向滑块3内的竖向滑块螺纹配合，使竖向滑块3竖向滑动，实现相机的高低调整；控制器10控制第二电机9带动横向传动轴5转动，通过设置于横向传动轴5上的横向传动轴螺纹与设置于相机搭载台6内的相机搭载台螺纹配合，使相机搭载台6横向滑动，实现相机的左右调整；控制器10控制转动电机7转动，使设置于转动电机7转轴上的相机实现左右旋转，从而达到自适应控制装置能够自动跟随人脸自适应控制调整摄像头的方位来实现所拍摄到的人脸照片符合证件照的要求。

同时，第一编码器11将第一电机8的转动值、第二编码器12将第二电机9的转动值反馈到控制器10中，提高相机位置调整的准确度。

如图3和图4所示，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。

Claims (1)

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。