CN107169427B - 一种适用于心理学的面部识别方法及装置 - Google Patents

Abstract

本发明适用于信息处理技术领域，提供了一种适用于心理学的面部识别方法及装置，包括：接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像；基于所述目标人脸的特征图像，提取特征参数；根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。通过上述方法能够提高用户利用面部识别进行心理学研究测试与分析的准确率。

Description

一种适用于心理学的面部识别方法及装置

技术领域

本发明属于信息处理技术领域，尤其涉及一种适用于心理学的面部识别方法及装置。

背景技术

心理学和哲学是教育学的两大理论基础，面部表情作为心理学领域的重要概念，亟待引入教育领域。高度信息化是未来课堂教学的发展趋势，面部识别能够为课堂管理、教学评价等提供更为科学、准确的依据。将面部识别应用于课堂教学之中，不仅可以帮助教师从面部表情体察学生的内心状态,而且还可在调动课堂氛围、灵活教育教学、创新教学管理层面发挥积极的效用。比如，课堂人数多，一一点名会浪费较多课堂时间，可以通过面部识别快速记录考勤。在心理学课堂中植入面部识别，结合课堂内容让学生进行面部识别的趣味教学，可以增加课堂的互动性。再比如，有些心理学实验测试需要让受试者看、听或者回答某些问题并观察其反应的，而正常的面对面的进行实验则会受到对方面部表情的影响，可以通过面部识别自动收集特征数据。但是，无论是心理学课堂上面部识别系统的趣味教学，还是心理学实验测试数据的收集，都需要对面部表情进行精确识别以及表情划分，而现有的智能面部识别技术主要是针对人脸的识别确认，除了用于记录考勤，无法进行自适应面部的精确识别，导致利用面部识别进行心理学测试与分析的准确率较低。

发明内容

有鉴于此，本发明实施例提供了一种适用于心理学的面部识别方法及装置，以解决现有技术无法进行自适应面部的精确识别，从而导致利用面部识别进行心理学测试与分析的准确率较低。

本发明实施例是这样实现的，一种适用于心理学的面部识别方法，所述面部识别方法包括：

接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；

根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像；

基于所述目标人脸的特征图像，提取特征参数；

根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

本发明实施例的另一目的在于提供一种适用于心理学的面部识别装置，所述面部识别装置包括：

模式确定单元，用于接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；

特征图像获取单元，用于根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像；

特征参数提取单元，用于基于所述目标人脸的特征图像，提取特征参数；

面部识别单元，用于根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过接收用户输入的模式选择指令确定用户需求，并根据所述模式选择指令，查找所选择的模式所对应的系统参数，然后根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，基于所述目标人脸的特征图像，提取特征参数，最后根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，可实现自适应面部表情的精确识别，从而提高用户利用面部识别进行心理学研究测试与分析的准确率。用户除了利用面部识别记录考勤，还能利用面部识别进行心理学测试与分析，增加面部识别使用的多样性，提高用户体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种适用于心理学的面部识别方法的实现流程图；

图2是本发明实施例提供的特征点示意图；

图3是本发明实施例提供的一种适用于心理学的面部识别装置的结构框图。

图4为本发明实施例提供的一种智能终端的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了本发明实施例提供的一种适用于心理学的面部识别方法的流程图，详述如下：

步骤S101，接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数。

在本发明实施例中，根据用户使用面部识别的目的不同，提供多种面部识别的模式，例如考勤模式，表情模式以及心理研究模式等，因此所述模式选择指令包括：考勤模式选择指令、表情识别模式选择指令以及心理研究模式选择指令。所述系统参数包括图像显示亮度、像素、采集速率、水平方位角、垂直方位角、轴向间距以及摄像头网络地址。考勤模式是通过面部识别快速记录考勤，并不要求精确识别面部表情。在表情模式下，是通过面部识别获取用户的面部表情，例如，判断用户当下的表情是“笑脸”还是“哭脸”，需要识别面部表情。而心理研究模式是针对某些心理学反馈实验的自动收集，有些心理学的实验测试需要让受试者看、听或者回答某些问题并观察其反应的，为尽可能准确的获取受试者面部表情变化特征，心理研究模式需要通过面部识别精确识别表情。即，不同模式对系统的要求不同，不同模式对应的系统参数也不同。例如，考勤模式下的采集速率要低于表情识别模式下的采集速率，心理研究模式下对采集速率的要求最高更高。因此，需根据用户输入的模式选择指令，查找所选择的模式所对应的系统参数，以便进行系统设置。

步骤S102，根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像。

具体地，进行图像采集前，根据步骤S101中查找的系统参数进行系统设置后，进行图像采集和处理。在本发明实施例中，使用带有web服务功能的摄像头，该摄像头能以水平和垂直两种方式旋转，其中水平转角为270度，垂直转角为120度，摄像头通过水平旋转和垂直旋转的组合可以精确对准人脸。该摄像头采用CMOS的图像传感器，并且能支持TCP/IP等基本协议。

可选地，为了便于获取人脸的特征图像，需对采集的图像进行背景分离处理，因此，所述步骤S102包括：

A1、根据所述系统参数进行图像采集，在所采集的图像中定位目标人脸所在的区域。

A2、将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像。具体地，可采用adaboost方法进行背景分离。

A3、将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像。

可选地，为了获取更为准确的人脸的特征图像，所述A3具体包括：

A31、对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点。

A32、对消除噪声点后的目标人脸的图像进直方图均衡处理以及图像平滑处理。其中，直方图均衡处理是把对消除噪声点后的目标人脸图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。在本发明实施例中，采用低通滤波器来对图像进行平滑处理，例如，巴特渥兹(Butterword)低通滤波器。

A33、对经过直方图均衡处理以及图像平滑处理的图像进行图像灰度转化。

具体地，在采用线性变化的方法在图像平滑处理后再次进行图像灰度转化。假设图像经过步骤A32中的平滑处理后图像f(x,y)的灰度范围是[m，n]，图像通过线性变化后的灰度范围是[0,p]，图像灰度转化公式如下：

A34、对经过灰度转化的图像进行图像归一化以及光线补偿处理，获取目标人脸的特征图像。具体地，图像光度归一化和光度补偿采用均衡图像灰度总体能量的方法，即保持所有输入图像的总体能力一致。例如，假设经过灰度转化的图像f₀(x,y)含有N个图像点，则任意其他图像f(x,y)都给予一个增益系数G以调整亮度，增益系数G的表达式如下：

本发明实施例中，通过将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像，减少了需处理的图像，再根据对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点，通过对消除噪声点后的目标人脸的图像进直方图均衡处理，提高图像的对比度，通过图像平滑处理改善图像质量，通过图像归一化处理去除光照和阴影影响，通过光线补偿抵消图像中存在的色彩偏差，通过上述处理，生成目标人脸的特征图像，以便后续的特征提取。

可选地，为了提高面部识别的准确性，在所述步骤S102之前，包括：

B1、图像预采集；

B2、根据预采集的图像进行边缘提取，获取目标人脸的左边缘位置、右边缘位置、上边缘位置与下边缘位置；

B3、基于所述左边缘位置、所述右边缘位置、所述上边缘位置与所述下边缘位置，计算所述目标人脸的脸部中心位置；

B4、基于所述脸部中心位置，调整摄像头方位。

具体地，对预采集的图像进行背景分离，将背景去除，同样可采用adaboost方法进行背景分离，然后使用基于斜向偏查分梯度计算的Roberts算子来得到预采集的图像的初始面部边沿，对于预采集的图像中任意一个像素(a,b)，图像f(a,b)的Roberts算子计算公式如下：

将去除背景后的预采集图像在水平方向上投影，计算并得到水平灰度头像曲线(函数)，对曲线进行平滑处理后，求出曲线(函数)上的最大值位置，以这个最大值位置向两侧依次计算曲线不同位置的切线斜率的绝对值，最大的两个绝对值代表图像面部左右边缘位置。然后用同样的方法把图像向竖直方向上投影，计算并得到竖直灰度头像曲线(函数)，对曲线平滑后，求出曲线(函数)上的最大值位置，然后以这个最大值位置向两侧依次计算曲线不同位置的切线斜率的绝对值，最大的两个位置代表图像面部上下边沿位置。假设所记录的左右位置参数为a1和a2，上下位置参数为b1和b2，则所采集图像的面部的中心位置用

表示，假如我们归一化图像的长为m，宽为n，则实际图像需要移动到的中心位置是

摄像头方位调整向量是

即，摄像头根据该方位调整向量进行调整，由此实现采集校准及面部居中调整。进一步地，在实际调整过程中，我们会多次计算面部的中心位置，直到摄像头方位调整的向量小于预设阈值时，方位调整结束，固定摄像头方位。

步骤S103，基于所述目标人脸的特征图像，提取特征参数。

具体地，根据步骤S102中通过采集和处理获取的特征图像，进行特征提取，获取特征参数，所述特征参数包括距离参数、几何参数以及分布参数。其中，所述距离参数包括垂直边沿距离参数、水平边沿距离参数与两眼距离参数。所述几何参数为所述特征图像轮廓的几何特征参数，包括眼睛倾斜度参数与脸部曲率参数等。所述分布参数为计算所述特征图像中特征点的位置的参数。如图2所示，本发明实施例中选取的特征点包括：眉间点、鼻根上点、鼻尖点、鼻根下点、唇上点、唇下点以及下巴突点。

步骤S104，根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

在本发明实施例中，所述步骤S104包括：

C1、根据选择的模式所对应的系统参数，将所述特征参数送入分类器，进行分类训练并输出各个类别的识别结果。

C2、基于各个类别的识别结果，生成面部识别结果。

具体地，将距离参数、几何参数和分布参数等特征参数送入分类器进行分类训练。进一步地，在不同模式下，距离参数、几何参数和分布参数的权重不同。根据用户选择的模式所对应的系统参数给特征参数加权，再将加权后的特征参数送入分类器进行分类训练并输出各个类别的识别结果，最后基于各个类别的识别结果，生成面部识别结果。例如，考勤模式下，输出与预存人脸的匹配结果，表情模式下，与预存表情类型进行匹配，并输出当前目标人脸的表情类型，在心理研究模式下，输出心理测试与分析的结果。本发明实施例中，分类训练中可采用聚类算法，例如，k-means聚类算法。

本发明第一实施例中，通过接收用户输入的模式选择指令确定用户需求，并根据所述模式选择指令，查找所选择的模式所对应的系统参数，然后进行图像预采集，基于预采集的图像进行采集校准，提高图像采集的质量与准确率。再根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，基于所述目标人脸的特征图像，提取特征参数，最后根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，可实现自适应面部表情的精确识别，从而提高用户利用面部识别进行心理学研究测试与分析的准确率。用户除了利用面部识别记录考勤，还能利用面部识别进行心理学测试与分析，增加面部识别使用的多样性，提高用户体验。

实施例二：

对应于上文实施例所述的一种适用于心理学的面部识别方法，图3示出了本发明实施例提供的一种适用于心理学的面部识别装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。

参照图3，该适用于心理学的面部识别装置包括：模式确定单元31，特征图像获取单元32，特征参数提取单元33，面部识别单元34，其中：

模式确定单元31，用于接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；

特征图像获取单元32，用于根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像；

特征参数提取单元33，用于基于所述目标人脸的特征图像，提取特征参数；

面部识别单元34，用于根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

可选地，为了便于获取人脸的特征图像，需对采集的图像进行背景分离处理，因此，所述特征图像获取单元32包括：

目标人脸定位模块，用于根据所述系统参数进行图像采集，在所采集的图像中定位目标人脸所在的区域；

背景分离模块，用于将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像；

特征图像获取模块，用于将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像；

可选地，为了获取更为准确的人脸的特征图像，所述特征图像获取模块包括：

噪声点消除模块，用于对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点；

第一图像处理模块，用于对消除噪声点后的目标人脸的图像进直方图均衡处理以及图像平滑处理；

灰度转化模块，用于对经过直方图均衡处理以及图像平滑处理的图像进行图像灰度转化；

第二图像处理模块，用于对经过灰度转化的图像采用光度归一化以及光线补偿处理，获取目标人脸的特征图像。

本发明实施例中，通过将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像，减少了需处理的图像，再根据对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点，通过对消除噪声点后的目标人脸的图像进直方图均衡处理，提高图像的对比度，通过图像平滑处理改善图像质量，通过图像归一化处理去除光照和阴影影响，通过光线补偿抵消图像中存在的色彩偏差，通过上述处理，生成目标人脸的特征图像，以便后续的特征提取。

可选地，所述面部识别单元34包括：

分类训练模块，用于根据选择的模式所对应的系统参数，将所述特征参数送入分类器，进行分类训练并输出各个类别的识别结果；

结果生成模块，用于基于各个类别的识别结果，生成面部识别结果。

可选地，为了提高面部识别的准确性，所述面部识别装置还包括：

预采集单元，用于图像预采集；

边缘提取单元，用于根据预采集的图像进行边缘提取，获取目标人脸的上边缘位置与下边缘位置；

位置计算单元，用于基于所述上边缘位置与所述下边缘位置，计算所述目标人脸的脸部中心位置；

调整单元，用于基于所述脸部中心位置，调整摄像头方位。

本发明第二实施例中，通过接收用户输入的模式选择指令确定用户需求，并根据所述模式选择指令，查找所选择的模式所对应的系统参数，然后进行图像预采集，基于预采集的图像进行采集校准，提高图像采集的质量与准确率。再根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，基于所述目标人脸的特征图像，提取特征参数，最后根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，可实现自适应面部表情的精确识别，从而提高用户利用面部识别进行心理学研究测试与分析的准确率。用户除了利用面部识别记录考勤，还能利用面部识别进行心理学测试与分析，增加面部识别使用的多样性，提高用户体验。

实施例三：

本发明实施例还提供一种智能终端，下面对本发明实施例中的智能终端进行描述，请参阅图4，本发明实施例中的智能终端400包括：一个或一个以上计算机可读存储介质的存储器401、输入单元402、显示单元403、一个或者一个以上处理核心的处理器404、以及电源405等部件。本领域技术人员可以理解，图4中示出的智能终端结构并不构成对智能终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

存储器401可用于存储软件程序以及模块，处理器404通过运行存储在存储器401的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器401可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据智能终端400的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器401可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器401还可以包括存储器控制器，以提供处理器404和输入单元402对存储器401的访问。

输入单元402可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元402包括触敏表面4021以及其他输入设备4022。触敏表面4021，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面4021上或在触敏表面4021附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面4021可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器404，并能接收处理器404发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面4021。除了触敏表面4021，输入单元402还可以包括其他输入设备4022。具体地，其他输入设备4022可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元403可用于显示由用户输入的信息或提供给用户的信息以及智能终端400的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元403可包括显示面板4031，可选的，可以采用液晶显示器(LCD，LiquidCrystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板4031。进一步的，触敏表面4021可覆盖显示面板4031，当触敏表面4021检测到在其上或附近的触摸操作后，传送给处理器404以确定触摸事件的类型，随后处理器404根据触摸事件的类型在显示面板4031上提供相应的视觉输出。虽然在图4中，触敏表面4021与显示面板4031是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面4021与显示面板4031集成而实现输入和输出功能。

处理器404是智能终端400的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器401内的软件程序和/或模块，以及调用存储在存储器401内的数据，执行智能终端400的各种功能和处理数据，从而对智能终端400进行整体监控。可选的，处理器404可包括一个或多个处理核心；优选的，处理器404可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器404中。

智能终端400还包括给各个部件供电的电源405(比如电池)，优选的，电源可以通过电源管理系统与处理器404逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源405还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，智能终端400还可以包括RF(Radio Frequency，射频)电路、传感器、音频电路、无线保真(WiFi，wireless fidelity)模块、摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，智能终端400还包括一个或者一个以上程序存储于存储器401中，且经配置以由一个或者一个以上处理器404执行述一个或者一个以上程序，其中包含用于执行以下操作的指令：

接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；

根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像；

基于所述目标人脸的特征图像，提取特征参数；

根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，所述根据所述系统参数进行图像采集和处理，得到目标脸部的特征图像，包括：

根据所述系统参数进行图像采集，在所采集的图像中定位目标人脸所在的区域；

将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像；

将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像。

在上述第二种可能的实施方式作为基础而提供的第三种可能的实施方式中，所述将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像，包括：

对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点；

对消除噪声点后的目标人脸的图像进直方图均衡处理以及图像平滑处理；

对经过直方图均衡处理以及图像平滑处理的图像进行图像灰度转化；

对经过灰度转化的图像进行图像归一化以及光线补偿处理，获取目标人脸的特征图像。

在上述第一种可能的实施方式作为基础而提供的第四种可能的实施方式中，所述根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，包括：

根据选择的模式所对应的系统参数，将所述特征参数送入分类器，进行分类训练并输出各个类别的识别结果；

基于各个类别的识别结果，生成面部识别结果。

在上述第一种可能的实施方式或者上述第二种可能的实施方式或者上述第三种可能的实施方式或者上述第四种可能的实施方式作为基础而提供的第五种可能的实施方式中，在所述进行图像采集，并对采集的图像进行图像处理，获取目标图像之前，包括：

图像预采集；

根据预采集的图像进行边缘提取，获取目标人脸的左边缘位置、右边缘位置、上边缘位置与下边缘位置；

基于所述左边缘位置、所述右边缘位置、所述上边缘位置与所述下边缘位置，计算所述目标人脸的脸部中心位置；

基于所述脸部中心位置，调整摄像头方位。

上述智能终端中可以如上述方法实施例中的智能终端，可以用于实现上述方法实施例中的全部技术方案，其各个功能模块的功能可以根据上述方法实施例中的方法具体实现，其具体实现过程可参照上述实施例中的相关描述，此处不再赘述。

由上可见，本发明实施例通过接收用户输入的模式选择指令确定用户需求，并根据所述模式选择指令，查找所选择的模式所对应的系统参数，然后根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，基于所述目标人脸的特征图像，提取特征参数，最后根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，可实现自适应面部表情的精确识别，从而提高用户利用面部识别进行心理学研究测试与分析的准确率。用户除了利用面部识别记录考勤，还能利用面部识别进行心理学测试与分析，增加面部识别使用的多样性，提高用户体验。

实施例四：

本发明实施例还提供一种计算机可读存储介质，具体描述如下：

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：

接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；

根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像；

基于所述目标人脸的特征图像，提取特征参数；

根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

可选地，所述根据所述系统参数进行图像采集和处理，得到目标脸部的特征图像，包括：

根据所述系统参数进行图像采集，在所采集的图像中定位目标人脸所在的区域；

将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像；

将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像。

可选地，所述将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像，包括：

对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点；

对消除噪声点后的目标人脸的图像进直方图均衡处理以及图像平滑处理；

对经过直方图均衡处理以及图像平滑处理的图像进行图像灰度转化；

对经过灰度转化的图像进行图像归一化以及光线补偿处理，获取目标人脸的特征图像。

可选地，所述根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，包括：

根据选择的模式所对应的系统参数，将所述特征参数送入分类器，进行分类训练并输出各个类别的识别结果；

基于各个类别的识别结果，生成面部识别结果。

可选地，在所述进行图像采集，并对采集的图像进行图像处理，获取目标图像之前，包括：

图像预采集；

根据预采集的图像进行边缘提取，获取目标人脸的左边缘位置、右边缘位置、上边缘位置与下边缘位置；

基于所述左边缘位置、所述右边缘位置、所述上边缘位置与所述下边缘位置，计算所述目标人脸的脸部中心位置；

基于所述脸部中心位置，调整摄像头方位。

在本发明实施例中，所述计算机程序被处理器执行时可以实现上述方法实施例中的所有步骤，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种适用于心理学的面部识别方法，其特征在于，所述面部识别方法包括：

接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；所述模式包括考勤模式、表情识别模式以及心理研究模式，所述模式选择指令包括考勤模式选择指令、表情识别模式选择指令以及心理研究模式选择指令，所述系统参数包括图像显示亮度、像素、采集速率、水平方位角、垂直方位角、轴向间距以及摄像头网络地址；

根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，其中，所述考勤模式下的采集速率要低于所述表情识别模式下的采集速率，所述心理研究模式下对采集速率的要求最高；

基于所述目标人脸的特征图像，提取特征参数；

根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

2.如权利要求1所述的面部识别方法，其特征在于，所述根据所述系统参数进行图像采集和处理，得到目标脸部的特征图像，包括：

根据所述系统参数进行图像采集，在所采集的图像中定位目标人脸所在的区域；

将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像；

将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像。

3.如权利要求2所述的面部识别方法，其特征在于，所述将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像，包括：

对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点；

对消除噪声点后的目标人脸的图像进直方图均衡处理以及图像平滑处理；

对经过直方图均衡处理以及图像平滑处理的图像进行图像灰度转化；

对经过灰度转化的图像进行图像归一化以及光线补偿处理，获取目标人脸的特征图像。

4.如权利要求1所述的面部识别方法，其特征在于，所述根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果，包括：

根据选择的模式所对应的系统参数，将所述特征参数送入分类器，进行分类训练并输出各个类别的识别结果；

基于各个类别的识别结果，生成面部识别结果。

5.如权利要求1至4任一项所述的面部识别方法，其特征在于，在所述进行图像采集，并对采集的图像进行图像处理，获取目标图像之前，包括：

图像预采集；

根据预采集的图像进行边缘提取，获取目标人脸的左边缘位置、右边缘位置、上边缘位置与下边缘位置；

基于所述左边缘位置、所述右边缘位置、所述上边缘位置与所述下边缘位置，计算所述目标人脸的脸部中心位置；

基于所述脸部中心位置，调整摄像头方位。

6.一种适用于心理学的面部识别装置，其特征在于，所述面部识别装置包括：

模式确定单元，用于接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；所述模式包括考勤模式、表情识别模式以及心理研究模式，所述模式选择指令包括考勤模式选择指令、表情识别模式选择指令以及心理研究模式选择指令，所述系统参数包括图像显示亮度、像素、采集速率、水平方位角、垂直方位角、轴向间距以及摄像头网络地址；

特征图像获取单元，用于根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，其中，所述考勤模式下的采集速率要低于所述表情识别模式下的采集速率，所述心理研究模式下对采集速率的要求最高；

特征参数提取单元，用于基于所述目标人脸的特征图像，提取特征参数；

面部识别单元，用于根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

7.如权利要求6所述的面部识别装置，其特征在于，所述特征图像获取单元包括：

目标人脸定位模块，用于根据所述系统参数进行图像采集，在所采集的图像中定位目标人脸所在的区域；

背景分离模块，用于将所述目标人脸所在的区域的图像与所述目标人脸之外的背景图像分离，得到背景分离后的目标人脸的图像；

特征图像获取模块，用于将背景分离后的目标人脸的图像进行预处理，获取目标人脸的特征图像；

所述特征图像获取模块包括：

噪声点消除模块，用于对背景分离后的目标人脸的图像，采用中值滤波方法消除噪声点；

第一图像处理模块，用于对消除噪声点后的目标人脸的图像进直方图均衡处理以及图像平滑处理；

灰度转化模块，用于对经过直方图均衡处理以及图像平滑处理的图像进行图像灰度转化；

第二图像处理模块，用于对经过灰度转化的图像采用光度归一化以及光线补偿处理，获取目标人脸的特征图像；

所述面部识别单元包括：

分类训练模块，用于根据选择的模式所对应的系统参数，将所述特征参数送入分类器，进行分类训练并输出各个类别的识别结果；

结果生成模块，用于基于各个类别的识别结果，生成面部识别结果。

8.如权利要求6至7任一项所述的面部识别装置，其特征在于，所述面部识别装置还包括：

预采集单元，用于图像预采集；

边缘提取单元，用于根据预采集的图像进行边缘提取，获取目标人脸的左边缘位置、右边缘位置、上边缘位置与下边缘位置；

位置计算单元，用于基于所述左边缘位置、所述右边缘位置、所述上边缘位置与所述下边缘位置，计算所述目标人脸的脸部中心位置；

调整单元，用于基于所述脸部中心位置，调整摄像头方位。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；所述模式包括考勤模式、表情识别模式以及心理研究模式，所述模式选择指令包括考勤模式选择指令、表情识别模式选择指令以及心理研究模式选择指令，所述系统参数包括图像显示亮度、像素、采集速率、水平方位角、垂直方位角、轴向间距以及摄像头网络地址；

根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，其中，所述考勤模式下的采集速率要低于所述表情识别模式下的采集速率，所述心理研究模式下对采集速率的要求最高；

基于所述目标人脸的特征图像，提取特征参数；

根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：

接收用户输入的模式选择指令，根据所述模式选择指令，查找所选择的模式所对应的系统参数；所述模式包括考勤模式、表情识别模式以及心理研究模式，所述模式选择指令包括考勤模式选择指令、表情识别模式选择指令以及心理研究模式选择指令，所述系统参数包括图像显示亮度、像素、采集速率、水平方位角、垂直方位角、轴向间距以及摄像头网络地址；

根据所述系统参数进行图像采集和处理，得到目标人脸的特征图像，其中，所述考勤模式下的采集速率要低于所述表情识别模式下的采集速率，所述心理研究模式下对采集速率的要求最高；

基于所述目标人脸的特征图像，提取特征参数；

根据选择的模式所对应的系统参数，以及所述特征参数，进行面部识别，生成面部识别结果。

Images