CN115294632A - 一种真假笑容辨别方法及系统 - Google Patents

一种真假笑容辨别方法及系统 Download PDF

Info

Publication number
CN115294632A
CN115294632A CN202210945730.3A CN202210945730A CN115294632A CN 115294632 A CN115294632 A CN 115294632A CN 202210945730 A CN202210945730 A CN 202210945730A CN 115294632 A CN115294632 A CN 115294632A
Authority
CN
China
Prior art keywords
face
smile
picture
false
distance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210945730.3A
Other languages
English (en)
Inventor
李志雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhongke Wangwei Technology Co ltd
Original Assignee
Shenzhen Zhongke Wangwei Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhongke Wangwei Technology Co ltd filed Critical Shenzhen Zhongke Wangwei Technology Co ltd
Priority to CN202210945730.3A priority Critical patent/CN115294632A/zh
Publication of CN115294632A publication Critical patent/CN115294632A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种真假笑容辨别方法及系统，方法包括：获取预设点位摄像头抓拍的图片数据；采用人脸检测算法对图片数据进行人脸检测，得到人脸图片；获取学生的面部照片，在面部照片上标记L个面部特征点；筛选人脸图片中的笑容图片，在每张笑容图片上标记L个面部特征点，将笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。判断结果包括真实笑容和虚假笑容。本发明有利于更准确的了解学生的真实心理状态，为心理辅导等措施提供依据。

Description

一种真假笑容辨别方法及系统
技术领域
本发明涉及信息技术领域，尤其是一种真假笑容辨别方法及系统。
背景技术
对人类而言，在众多社会信号中，面部表情是人类用于表达社会意图的主要通道。学校可通过学生的面部表情了解学生的心理状态，从而不断调整教学方式、方法和策略。笑容是人类最普遍、最频繁的表情。笑容能反映个体高兴的情绪状态，但人们也常常根据情境伪装自己的笑容。只有在识别笑容所表达的真实情感(如真笑和假笑)后，才能更好的了解学生的心理状态。
发明内容
针对现有技术中的缺陷，本发明提供了一种真假笑容辨别方法及系统，有利于更准确的了解学生的真实心理状态，为心理辅导等措施提供依据。
第一方面
本发明提供了一种真假笑容辨别方法，包括：
获取预设点位摄像头抓拍的图片数据；
采用人脸检测算法对所述图片数据进行人脸检测，得到人脸图片；
获取学生的面部照片，在所述面部照片上标记L个面部特征点；
筛选所述人脸图片中的笑容图片，在每张笑容图片上标记所述L个面部特征点，将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。
优选地，所述采用人脸检测算法对所述图片数据进行人脸检测，得到人脸图片包括：
提取所述图片数据的Haar特征；
将所述待Haar特征输入多个级联的AdaBoost分类器，每经过一个AdaBoost分类器都会对所述Haar特征的候选区域进行识别，非人脸区域会被剔除，包含人脸的区域会继续输入下一级AdaBoost分类器，经过逐级识别后，输出人脸检测结果，得到人脸图片。
优选地，还包括对所述人脸图片进行预处理；
所述对所述人脸图片进行预处理包括：
对所述人脸图片进行灰度化处理；
对灰度化处理的人脸图片进行直方图均衡化处理；
对直方图均衡化处理后的人脸图片进行中值滤波处理；
对中值滤波处理后的图片进行尺寸归一化处理。
优选地，所述L个特征点包括M个位于上眼睑的特征点和N个位于下眼睑的特征点；
将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断包括：
分别计算笑容图片、对应学生的面部照片中M个位于上眼睑的特征点与N个位于下眼睑的特征点的距离并运算，进行真假笑容判断。
优选地，所述真假笑容辨别方法还包括对真实笑容进行分级；所述对真实笑容进行分级具体包括：
设定所述M个特征点还包括设置在左眼内眼角、右眼内眼角、左侧嘴角和右侧嘴角的特征点；设定左眼内眼角到左侧嘴角的距离为A、右眼内眼角到右侧嘴角的距离为B、左侧嘴角到右侧嘴角的距离为C；
设定
Figure BDA0003787331440000021
若P小于第一预设阈值，判定为1级笑容；
若P大于等于第一预设阈值且小于第二预设阈值，判定为2级笑容；
若P大于等于第二预设阈值且小于第三预设阈值，判定为3级笑容；
若P大于等于第三预设阈值且小于第四预设阈值，判定为4级笑容。
第二方面
本发明提供了一种真假笑容辨别系统，包括：
第一获取模块，用于获取预设点位摄像头抓拍的图片数据；
人脸检测模块，用于采用人脸检测算法对所述图片数据进行人脸检测，得到人脸图片；
第二获取模块，用于获取学生的面部照片，在所述面部照片上标记L个面部特征点；
判断模块，用于筛选所述人脸图片中的笑容图片，在每张笑容图片上标记所述L个面部特征点，将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。
优选地，所述人脸检测模块具体用于：
提取所述图片数据的Haar特征；
将所述待Haar特征输入多个级联的AdaBoost分类器，每经过一个AdaBoost分类器都会对所述Haar特征的候选区域进行识别，非人脸区域会被剔除，包含人脸的区域会继续输入下一级AdaBoost分类器，经过逐级识别后，输出人脸检测结果，得到人脸图片。
优选地，还包括预处理模块，用于对所述人脸图片进行预处理；
所述预处理模块具体用于：
所述对所述人脸图片进行预处理包括：
对所述人脸图片进行灰度化处理；
对灰度化处理的人脸图片进行直方图均衡化处理；
对直方图均衡化处理后的人脸图片进行中值滤波处理；
对中值滤波处理后的图片进行尺寸归一化处理。
优选地，所述L个特征点包括M个位于上眼睑的特征点和N个位于下眼睑的特征点；
将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断包括：
分别计算笑容图片、对应学生的面部照片中M个位于上眼睑的特征点与N个位于下眼睑的特征点的距离并运算，进行真假笑容判断。
优选地，还包括分级模块，用于对真实笑容进行分级；
所述分级模块具体用于：
设定所述M个特征点还包括设置在左眼内眼角、右眼内眼角、左侧嘴角和右侧嘴角的特征点；设定左眼内眼角到左侧嘴角的距离为A、右眼内眼角到右侧嘴角的距离为B、左侧嘴角到右侧嘴角的距离为C；
设定
Figure BDA0003787331440000041
若P小于第一预设阈值，判定为1级笑容；
若P大于等于第一预设阈值且小于第二预设阈值，判定为2级笑容；
若P大于等于第二预设阈值且小于第三预设阈值，判定为3级笑容；
若P大于等于第三预设阈值且小于第四预设阈值，判定为4级笑容。
本发明的有益效果为：
可通过对笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，判断是真实笑容还是虚假笑容。若为真实笑容，可判定学生为愉悦的；若为虚假笑容，可判定未非愉悦的，有利于更准确的了解学生的真实心理状态，为心理辅导等措施提供依据；还可通过对笑容的级别进行判断，可进一步确定学生的心理状态。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为实施例一的流程示意图；
图2为实施例二的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例一：
如图1所示，本发明实施例提供了一种真假笑容辨别方法，包括：
获取预设点位摄像头抓拍的图片数据；
采用人脸检测算法对图片数据进行人脸检测，得到人脸图片；
获取学生的面部照片，在面部照片上标记L个面部特征点；
筛选人脸图片中的笑容图片，在每张笑容图片上标记L个面部特征点，将笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。判断结果包括真实笑容和虚假笑容。
其中，预设点位包括教室门口、学校门口、操场出入口等。在本发明实施例中，摄像头抓拍教室门口、学校门口、操场出入口等处的图片，并用人脸检测算法检测得到人脸图片。学校可通过人脸图片显示的学生愉悦、愁闷、焦虑、痛苦的表情了解学生的心理状态，进而通过心理辅导等措施帮助学生。为了避免假笑因素导致误判学生的心理状态，本发明实施例中，对笑容图片中标记L个面部特征点，笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，判断是真实笑容还是虚假笑容。若为真实笑容，可判定学生为愉悦的；若为虚假笑容，可判定未非愉悦的。其中，可通过现有的人脸笑脸识别方法筛选人脸图片中的笑容图片。本发明实施例有利于更准确地了解学生的真实心理状态，为心理辅导等措施提供依据。
本发明实施例中，采用人脸检测算法对图片数据进行人脸检测，得到人脸图片包括：
提取图片数据的Haar特征；
将待Haar特征输入多个级联的AdaBoost分类器，每经过一个AdaBoost分类器都会对Haar特征的候选区域进行识别，非人脸区域会被剔除，包含人脸的区域会继续输入下一级AdaBoost分类器，经过逐级识别后，输出人脸检测结果，得到人脸图片。
Haar特征为图片数据中相邻矩形区域像素之和的差值，Haar特征对于图片数据中明暗相对区域较为敏感，也比较符合人脸五官具有不同的亮度信息的特点。本发明实施例中，将提取的Haar特征通过多个级联的AdaBoost分类器进行识别，可提升得到人脸的区域概率，提高人脸检测的准确度。
本发明实施例还包括对人脸图片进行预处理；
对人脸图片进行预处理包括：
对人脸图片进行灰度化处理；人脸图片为彩色图，本发明实施例中，将信息量多、处理起来计算量大的彩色图进行灰度化处理，可使人脸图片的矩阵维度下降，运算速度与存取效率提高，且仍能保留最重要的梯度信息；
对灰度化处理的人脸图片进行直方图均衡化处理；在本发明实施例中，对灰度化处理的人脸图片进行直方图均衡化处理包括：对灰度化处理的人脸图片进行非线性拉伸，重新分配灰度化处理的人脸图片像素值以达到一定灰度范围内像素值数量大致均衡的目的；
对直方图均衡化处理后的人脸图片进行中值滤波处理；在本发明实施例中，对直方图均衡化处理后的人脸图片进行中值滤波处理包括：把每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值；
对中值滤波处理后的图片进行尺寸归一化处理。本发明实施例中，归一化处理包括对中值滤波处理后的图片进行平移、缩放、旋转等，以将检测到的人脸至于图片中央部位，然后进行切割以获得相同尺寸的人脸图像。本发明实施例中，归一化处理可避免拍摄距离引起的人脸在图像中的尺寸、角度、位置的影响。
L个特征点包括M个位于上眼睑的特征点和N个位于下眼睑的特征点；
将笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断包括：
分别计算笑容图片、对应学生的面部照片中M个位于上眼睑的特征点与N个位于下眼睑的特征点的距离并运算，进行真假笑容判断。
在本实施例中，M小于等于L，N小于等于L，M与N可以相等也可以不相等。人在真笑的时候，潜意识会认为周围环境是安全的，所以才会眯起眼睛。本发明实施例基于这一特点，在上眼睑和下眼睑设置多个特征点，根据上眼睑、下眼睑之间的距离进行真假笑容判断。
具体地，设定M＝10、N＝10，上眼睑的10个特征点与下眼睑的10个特征点一一对应。设定笑容图片中上眼睑的10个特征点与下眼睑的10个特征点的距离分别为d1-d10。设定学生的面部照片中上眼睑的10个特征点与下眼睑的10个特征点的距离分别为f1-f10，将d1-d10与f1-f10一一对应做除法，并对10个商值求平均值。若求得的平均值大于判定阈值，则判定未虚假笑容，否则为真实笑容。
本发明实施例中，根据上眼睑、下眼睑之间的距离进行真假笑容判断，计算量较小，实用性较强。
在本发明实施例中，真假笑容辨别方法还包括对真实笑容进行分级；对真实笑容进行分级具体包括：
设定M个特征点还包括设置在左眼内眼角、右眼内眼角、左侧嘴角和右侧嘴角的特征点；
设定左眼内眼角到左侧嘴角的距离为A、右眼内眼角到右侧嘴角的距离为B、左侧嘴角到右侧嘴角的距离为C；
设定
Figure BDA0003787331440000081
若P小于第一预设阈值，判定为1级笑容；
若P大于等于第一预设阈值且小于第二预设阈值，判定为2级笑容；
若P大于等于第二预设阈值且小于第三预设阈值，判定为3级笑容；
若P大于等于第三预设阈值且小于第四预设阈值，判定为4级笑容。
本发明实施例中，通过对笑容的级别进行判断，可进一步确定学生的心理状态。
实施例二：
本发明实施例还提供了一种真假笑容辨别系统，如图2所示，包括：
第一获取模块，用于获取预设点位摄像头抓拍的图片数据；
人脸检测模块，用于采用人脸检测算法对图片数据进行人脸检测，得到人脸图片；
第二获取模块，用于获取学生的面部照片，在面部照片上标记L个面部特征点；
判断模块，用于筛选人脸图片中的笑容图片，在每张笑容图片上标记L个面部特征点，将笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。判断结果包括真实笑容和虚假笑容。
其中，预设点位包括教室门口、学校门口、操场出入口等。在本发明实施例中，摄像头抓拍教室门口、学校门口、操场出入口等处的图片，并用人脸检测算法检测得到人脸图片。学校可通过人脸图片显示的学生愉悦、愁闷、焦虑、痛苦的表情了解学生的心理状态，进而通过心理辅导等措施帮助学生。为了避免假笑因素导致误判学生的心理状态，本发明实施例中，对笑容图片中标记L个面部特征点，笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，判断是真实笑容还是虚假笑容。若为真实笑容，可判定学生为愉悦的；若为虚假笑容，可判定未非愉悦的。其中，可通过现有的人脸笑脸识别方法筛选人脸图片中的笑容图片。本发明实施例有利于更准确的了解学生的真实心理状态，为心理辅导等措施提供依据。
本发明实施例中，人脸检测模块具体用于：
提取图片数据的Haar特征；
将待Haar特征输入多个级联的AdaBoost分类器，每经过一个AdaBoost分类器都会对Haar特征的候选区域进行识别，非人脸区域会被剔除，包含人脸的区域会继续输入下一级AdaBoost分类器，经过逐级识别后，输出人脸检测结果，得到人脸图片。
Haar特征为图片数据中相邻矩形区域像素之和的差值，Haar特征对于图片数据中明暗相对区域较为敏感，也比较符合人脸五官具有不同的亮度信息的特点。本发明实施例中，将提取的Haar特征通过多个级联的AdaBoost分类器进行识别，可提升得到人脸的区域概率，提高人脸检测的准确度。
本发明实施例中，还包括预处理模块，用于对人脸图片进行预处理；
预处理模块具体用于：
对人脸图片进行预处理包括：
对人脸图片进行灰度化处理；人脸图片为彩色图，本发明实施例中，将信息量多、处理起来计算量大的彩色图进行灰度化处理，可使人脸图片的矩阵维度下降，运算速度与存取效率提高，且仍能保留最重要的梯度信息；
对灰度化处理的人脸图片进行直方图均衡化处理；在本发明实施例中，对灰度化处理的人脸图片进行直方图均衡化处理包括：对灰度化处理的人脸图片进行非线性拉伸，重新分配灰度化处理的人脸图片像素值以达到一定灰度范围内像素值数量大致均衡的目的；
对直方图均衡化处理后的人脸图片进行中值滤波处理；在本发明实施例中，对直方图均衡化处理后的人脸图片进行中值滤波处理包括：把每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值；
对中值滤波处理后的图片进行尺寸归一化处理。本发明实施例中，归一化处理包括对中值滤波处理后的图片进行平移、缩放、旋转等，以将检测到的人脸至于图片中央部位，然后进行切割以获得相同尺寸的人脸图像。本发明实施例中，归一化处理可避免拍摄距离引起的人脸在图像中的尺寸、角度、位置的影响。
在本发明实施例中，L个特征点包括M个位于上眼睑的特征点和N个位于下眼睑的特征点；
将笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断包括：
分别计算笑容图片、对应学生的面部照片中M个位于上眼睑的特征点与N个位于下眼睑的特征点的距离并运算，进行真假笑容判断。
在本实施例中，M小于等于L，N小于等于L，M与N可以相等也可以不相等。人在真笑的时候，潜意识会认为周围环境是安全的，所以才会眯起眼睛。本发明实施例基于这一特点，在上眼睑和下眼睑设置多个特征点，根据上眼睑、下眼睑之间的距离进行真假笑容判断。
具体地，设定M＝10、N＝10，上眼睑的10个特征点与下眼睑的10个特征点一一对应。设定笑容图片中上眼睑的10个特征点与下眼睑的10个特征点的距离分别为d1-d10。设定学生的面部照片中上眼睑的10个特征点与下眼睑的10个特征点的距离分别为f1-f10，将d1-d10与f1-f10一一对应做除法，并对10个商值求平均值。若求得的平均值大于判定阈值，则判定未虚假笑容，否则为真实笑容。
本发明实施例中，根据上眼睑、下眼睑之间的距离进行真假笑容判断，计算量较小，实用性较强。
在本发明实施例中，还包括分级模块，用于对真实笑容进行分级；
分级模块具体用于：
设定M个特征点还包括设置在左眼内眼角、右眼内眼角、左侧嘴角和右侧嘴角的特征点；设定左眼内眼角到左侧嘴角的距离为A、右眼内眼角到右侧嘴角的距离为B、左侧嘴角到右侧嘴角的距离为C；
设定
Figure BDA0003787331440000111
若P小于第一预设阈值，判定为1级笑容；
若P大于等于第一预设阈值且小于第二预设阈值，判定为2级笑容；
若P大于等于第二预设阈值且小于第三预设阈值，判定为3级笑容；
若P大于等于第三预设阈值且小于第四预设阈值，判定为4级笑容。
本发明实施例中，通过对笑容的级别进行判断，可进一步确定学生的心理状态。
本发明实施例提供了一种真假笑容辨别方法及系统，通过对笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，判断是真实笑容还是虚假笑容。若为真实笑容，可判定学生为愉悦的；若为虚假笑容，可判定未非愉悦的。本发明实施例有利于更准确的了解学生的真实心理状态，为心理辅导等措施提供依据。本发明实施例还可通过对笑容的级别进行判断，可进一步确定学生的心理状态。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种真假笑容辨别方法，其特征在于，包括：
获取预设点位摄像头抓拍的图片数据；
采用人脸检测算法对所述图片数据进行人脸检测，得到人脸图片；
获取学生的面部照片，在所述面部照片上标记L个面部特征点；
筛选所述人脸图片中的笑容图片，在每张笑容图片上标记所述L个面部特征点，将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。
2.根据权利要求1所述的一种真假笑容辨别方法，其特征在于，所述采用人脸检测算法对所述图片数据进行人脸检测，得到人脸图片包括：
提取所述图片数据的Haar特征；
将所述待Haar特征输入多个级联的AdaBoost分类器，每经过一个AdaBoost分类器都会对所述Haar特征的候选区域进行识别，非人脸区域会被剔除，包含人脸的区域会继续输入下一级AdaBoost分类器，经过逐级识别后，输出人脸检测结果，得到人脸图片。
3.根据权利要求1所述的一种真假笑容辨别方法，其特征在于，还包括对所述人脸图片进行预处理；
所述对所述人脸图片进行预处理包括：
对所述人脸图片进行灰度化处理；
对灰度化处理的人脸图片进行直方图均衡化处理；
对直方图均衡化处理后的人脸图片进行中值滤波处理；
对中值滤波处理后的图片进行尺寸归一化处理。
4.根据权利要求1所述的一种真假笑容辨别方法，其特征在于，所述L个特征点包括M个位于上眼睑的特征点和N个位于下眼睑的特征点；
将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断包括：
分别计算笑容图片、对应学生的面部照片中M个位于上眼睑的特征点与N个位于下眼睑的特征点的距离并运算，进行真假笑容判断。
5.根据权利要求1所述的一种真假笑容辨别方法，其特征在于，所述真假笑容辨别方法还包括对真实笑容进行分级；所述对真实笑容进行分级具体包括：
设定所述M个特征点还包括设置在左眼内眼角、右眼内眼角、左侧嘴角和右侧嘴角的特征点；设定左眼内眼角到左侧嘴角的距离为A、右眼内眼角到右侧嘴角的距离为B、左侧嘴角到右侧嘴角的距离为C；
设定
Figure FDA0003787331430000021
若P小于第一预设阈值，判定为1级笑容；
若P大于等于第一预设阈值且小于第二预设阈值，判定为2级笑容；
若P大于等于第二预设阈值且小于第三预设阈值，判定为3级笑容；
若P大于等于第三预设阈值且小于第四预设阈值，判定为4级笑容。
6.一种真假笑容辨别系统，其特征在于，包括：
第一获取模块，用于获取预设点位摄像头抓拍的图片数据；
人脸检测模块，用于采用人脸检测算法对所述图片数据进行人脸检测，得到人脸图片；
第二获取模块，用于获取学生的面部照片，在所述面部照片上标记L个面部特征点；
判断模块，用于筛选所述人脸图片中的笑容图片，在每张笑容图片上标记所述L个面部特征点，将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断。
7.根据权利要求6所述的一种真假笑容辨别系统，其特征在于，所述人脸检测模块具体用于：
提取所述图片数据的Haar特征；
将所述待Haar特征输入多个级联的AdaBoost分类器，每经过一个AdaBoost分类器都会对所述Haar特征的候选区域进行识别，非人脸区域会被剔除，包含人脸的区域会继续输入下一级AdaBoost分类器，经过逐级识别后，输出人脸检测结果，得到人脸图片。
8.根据权利要求6所述的一种真假笑容辨别系统，其特征在于，还包括预处理模块，用于对所述人脸图片进行预处理；
所述预处理模块具体用于：
所述对所述人脸图片进行预处理包括：
对所述人脸图片进行灰度化处理；
对灰度化处理的人脸图片进行直方图均衡化处理；
对直方图均衡化处理后的人脸图片进行中值滤波处理；
对中值滤波处理后的图片进行尺寸归一化处理。
9.根据权利要求6所述的一种真假笑容辨别系统，其特征在于，所述L个特征点包括M个位于上眼睑的特征点和N个位于下眼睑的特征点；
将所述笑容图片中L个面部特征点之间的距离与对应学生的面部照片的L个面部特征点之间的距离进行对比分析，进行真假笑容判断包括：
分别计算笑容图片、对应学生的面部照片中M个位于上眼睑的特征点与N个位于下眼睑的特征点的距离并运算，进行真假笑容判断。
10.根据权利要求6所述的一种真假笑容辨别系统，其特征在于，还包括分级模块，用于对真实笑容进行分级；
所述分级模块具体用于：
设定所述M个特征点还包括设置在左眼内眼角、右眼内眼角、左侧嘴角和右侧嘴角的特征点；设定左眼内眼角到左侧嘴角的距离为A、右眼内眼角到右侧嘴角的距离为B、左侧嘴角到右侧嘴角的距离为C；
设定
Figure FDA0003787331430000031
若P小于第一预设阈值，判定为1级笑容；
若P大于等于第一预设阈值且小于第二预设阈值，判定为2级笑容；
若P大于等于第二预设阈值且小于第三预设阈值，判定为3级笑容；
若P大于等于第三预设阈值且小于第四预设阈值，判定为4级笑容。
CN202210945730.3A 2022-08-08 2022-08-08 一种真假笑容辨别方法及系统 Pending CN115294632A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210945730.3A CN115294632A (zh) 2022-08-08 2022-08-08 一种真假笑容辨别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210945730.3A CN115294632A (zh) 2022-08-08 2022-08-08 一种真假笑容辨别方法及系统

Publications (1)

Publication Number Publication Date
CN115294632A true CN115294632A (zh) 2022-11-04

Family

ID=83827639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210945730.3A Pending CN115294632A (zh) 2022-08-08 2022-08-08 一种真假笑容辨别方法及系统

Country Status (1)

Country Link
CN (1) CN115294632A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116682159A (zh) * 2023-06-07 2023-09-01 广东辉杰智能科技股份有限公司 一种立体音响自动识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116682159A (zh) * 2023-06-07 2023-09-01 广东辉杰智能科技股份有限公司 一种立体音响自动识别方法
CN116682159B (zh) * 2023-06-07 2024-02-02 广东辉杰智能科技股份有限公司 一种立体音响自动识别方法

Similar Documents

Publication Publication Date Title
CN107423690B (zh) 一种人脸识别方法及装置
Jee et al. Liveness detection for embedded face recognition system
CN104036278B (zh) 人脸算法标准脸部图像的提取方法
CN110443102B (zh) 活体人脸检测方法及装置
CN104123543B (zh) 一种基于人脸识别的眼球运动识别方法
CN107798279B (zh) 一种人脸活体检测方法及装置
CN106682578B (zh) 基于眨眼检测的弱光人脸识别方法
Suma et al. Real time face recognition of human faces by using LBPH and Viola Jones algorithm
Hebbale et al. Real time COVID-19 facemask detection using deep learning
US9378406B2 (en) System for estimating gender from fingerprints
CN106650623A (zh) 一种基于人脸检测的出入境人证核实的方法
Jiang et al. Multilevel fusing paired visible light and near-infrared spectral images for face anti-spoofing
Monwar et al. Pain recognition using artificial neural network
Lin et al. Face detection based on skin color segmentation and neural network
CN108446642A (zh) 一种快速人脸识别系统
CN115294632A (zh) 一种真假笑容辨别方法及系统
CN115601807A (zh) 一种适用在线考试系统的人脸识别方法及其工作方法
CN108363944A (zh) 人脸识别终端双摄防伪方法、装置及系统
CN113450369A (zh) 一种基于人脸识别技术的课堂分析系统及方法
CN108197593B (zh) 基于三点定位方法的多尺寸人脸表情识别方法及装置
CN107403192B (zh) 一种基于多分类器的快速目标检测方法及系统
Wibowo et al. Feature extraction using histogram of oriented gradient and hu invariant moment for face recognition
Effendi et al. The combination of viola-jones and eigen faces algorithm for account identification for diploma
CN113569655A (zh) 基于眼部色彩监控的红眼病患者识别系统
CN105760881A (zh) 基于Haar分类器方法的人脸建模检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination