[發(fā)明專利]頭面部動(dòng)作檢測(cè)方法及應(yīng)用該方法操控計(jì)算機(jī)的助殘系統(tǒng)

無效

• 申請(qǐng)?zhí)枺?/td>: 200910180642.3
• 申請(qǐng)日: 2009-10-27
• 公開（公告）號(hào): CN101697199A
• 公開（公告）日: 2010-04-21
• 發(fā)明（設(shè)計(jì)）人: 孟繁榮;宋友;龔存晨;黃宇翔
• 申請(qǐng)（專利權(quán)）人: 北京盈科成章科技有限公司;孟繁榮;宋友;龔存晨;黃宇翔
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F3/01
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所 11121
• 代理人: 周長(zhǎng)琪

技術(shù)領(lǐng)域

本發(fā)明涉及一種動(dòng)作的識(shí)別，屬于圖像識(shí)別與人機(jī)交互技術(shù)領(lǐng)域，具體地說，是指一種 頭面部動(dòng)作檢測(cè)方法及應(yīng)用該方法操控計(jì)算機(jī)的助殘系統(tǒng)。

背景技術(shù)

圖像識(shí)別技術(shù)，是基于已有的adaboost算法實(shí)現(xiàn)的，但是現(xiàn)有的技術(shù)的檢測(cè)速度不理 想，以下是相關(guān)文獻(xiàn)中的記錄：

2007年10月北京大學(xué)學(xué)報(bào)(自然科學(xué)版)第八卷第5期上發(fā)表的論文“Adaboost 算法在人臉檢測(cè)中的應(yīng)用”(作者葉延亮)中提到，Viola和Jones提出的Adaboost人 臉檢測(cè)方法檢測(cè)速度為15幀/s。

2007年在計(jì)算機(jī)信息與技術(shù)第31期中發(fā)表的論文“基于Adaboost的人臉檢測(cè)”(作 者李振)中寫到：“檢測(cè)速率可達(dá)每秒十五幀”。

2007年6月發(fā)表的碩士學(xué)位論文“基于Adaboost算法的駕駛員疲勞檢測(cè)系統(tǒng)”中所實(shí) 現(xiàn)的幀速是10秒/幀。

2007年3月發(fā)表的碩士學(xué)位論文“基于Adaboost算法的人臉檢測(cè)研究及實(shí)現(xiàn)”(作者林 鵬)也提到Adaboost算法被Viola等人應(yīng)用于人臉檢測(cè)的速度是15幀/秒。

2007年10月中國圖像圖形學(xué)報(bào)第12卷第10期上發(fā)表的“基于Gentle?Adaboost的 行人檢測(cè)”(作者朱文佳戚飛虎)中檢測(cè)一幅圖上的行人需要200ms，而論文中提到的文 獻(xiàn)中的方法需要250ms。

2007年2月中國圖形圖像學(xué)報(bào)上第12卷第2期中發(fā)表的論文“基于改進(jìn)Adaboost 算法的人耳檢測(cè)與跟蹤”(作者張懷穆志純?cè)?實(shí)現(xiàn)的檢測(cè)速度是6-7幀/秒。

從上述文獻(xiàn)記載可知，目前的基于adaboost算法的圖像識(shí)別技術(shù)，圖像檢測(cè)速率只能 達(dá)到最高15幀/秒，遠(yuǎn)遠(yuǎn)不能滿足目前圖像識(shí)別領(lǐng)域中需要高速識(shí)別的要求。

另外，目前尚未有人專門針對(duì)各種頭面部動(dòng)作做過精確的檢測(cè)和判斷。

發(fā)明內(nèi)容

本發(fā)明的目的是解決目前數(shù)千萬的殘疾人，尤其是上肢殘疾的人使用電腦的問題，并且 能夠進(jìn)一步與家庭自動(dòng)控制系統(tǒng)相結(jié)合使殘疾人只需要頭面部動(dòng)作就能控制電腦，進(jìn)而通過 電腦遙控各種家具，如電視、空調(diào)等，為了實(shí)現(xiàn)這一目的，即通過識(shí)別頭面部動(dòng)作進(jìn)行對(duì)電 腦的各種操作，就需要通過攝像頭實(shí)時(shí)捕捉用戶的頭面部動(dòng)作，并加以識(shí)別，本發(fā)明采用了 現(xiàn)有的adaboost算法，并結(jié)合多線程方法使頭面部動(dòng)作的檢測(cè)速率提高到了30幀/秒，對(duì) 所得到的頭面部動(dòng)作數(shù)據(jù)信息進(jìn)行分析判斷，從而達(dá)到了準(zhǔn)確識(shí)別的效果。

本發(fā)明提供的頭面部檢測(cè)方法的具體實(shí)現(xiàn)步驟如下：

步驟1：采集各種頭面部動(dòng)作的圖片，這些圖片都是將來希望能夠識(shí)別出來的各種頭面部 動(dòng)作的圖片，即正例圖片。此外，再采集不含頭面部動(dòng)作的任何圖片，即反例圖片。

步驟2：用adaboost算法對(duì)正例圖片和反例圖片進(jìn)行訓(xùn)練，歸納正例圖片中的共同haar 特征，并排除反例圖片中所存有的haar特征，得到存有頭面部動(dòng)作特征的分類器，分類器 中用文本記錄了所訓(xùn)練的頭面部動(dòng)作中所含有的haar特征和每個(gè)haar特征在頭面部動(dòng)作的 坐標(biāo)位置。

步驟3：采用多線程方法獲取圖像并對(duì)圖像進(jìn)行預(yù)處理和頭面部動(dòng)作檢測(cè)。

應(yīng)用多線程方法創(chuàng)建兩個(gè)線程，即線程A和線程B。其中線程B用于通過攝像頭實(shí)時(shí)捕 獲圖像，并把這個(gè)圖像交給線程A處理，之后線程B捕獲下一幀圖像，具體過程如下：

(1)線程B通過攝像頭實(shí)時(shí)捕獲圖像，并把這個(gè)圖像交給線程A處理。

(2)當(dāng)線程A獲得一幀圖像后，對(duì)該幀圖像依次進(jìn)行顏色空間轉(zhuǎn)換、圖像積分、邊緣檢測(cè) 處理，得到預(yù)處理后的圖像。

(3)以不同大小的窗口在圖像中移動(dòng)搜索目標(biāo)(頭面部動(dòng)作)，用窗口所選中的圖片特征與 分類器中的特征相比較，由此判斷出圖像中是否存在希望出現(xiàn)的頭面部動(dòng)作，如果是就記錄 下頭面部動(dòng)作在圖像中的位置坐標(biāo)與頭面部動(dòng)作的大小(長(zhǎng)和寬)信息，如果不是就繼續(xù)移 動(dòng)搜索下一目標(biāo)。

(4)重復(fù)步驟(1)～(3)，線程A繼續(xù)處理送來的下一幀圖像。

應(yīng)用該多線程方法進(jìn)行圖像的捕獲、預(yù)處理和頭面部檢測(cè)，可使此檢測(cè)的速率提高到30 幀/秒。

步驟4：根據(jù)上面步驟3得到的頭面部動(dòng)作的大小與坐標(biāo)位置信息，連續(xù)考察n幀頭面 部動(dòng)作的信息，求出他們的平均位置與大小，以及檢測(cè)率，其中n為整數(shù)，n取值范圍為 100～300。