笑脸识别鼓励系统技术方案

笑脸识别鼓励系统发明专利技术，属于图像处理和人工智能技术领域。实施步骤为：基本表情样本的采集、开机自动启动视频、表情实时采集、表情检测、表情图像预处理、表情图像识别、综合统计分析判断、阶段性表情归结、鼓励员工放松的友情提醒。本发明专利技术的技术要点是将通过向量表示的多个表情特征，与几种预先拍摄的用户典型表情的样本中相对应的关键特征匹配对比相似度，判断捕捉到的表情关键特征处的欧式距离与预设的典型表情特征处的欧式距离差值、几何形状的变化，经过归一化后，用统计形状分析方法，根据一定时间段里员工的表情分布概率判断该阶段内表情为焦虑还是高兴。其有益效果是鼓励员工少些焦虑，多些微笑，提高工作效益和生活质量。

【技术实现步骤摘要】

本专利技术属于图像处理方法和人工智能领域，运用人脸表情采集、分析、识别技术， 对焦虑的表情给予提醒和帮助，对微笑或平静的表情予以鼓励，涉及人脸图像采集及检测、 人脸图像预处理、人脸图像特征提取、人脸图像匹配与识别、综合形状统计分析、人工智能 和网络互动等技术。
技术介绍
现在职工的工作、生活压力大，常不自觉地生出愁眉不展、紧张焦虑、不高兴等消 极的表情，长时间这种表情会导致坏心情，这种负能量危害健康、影响工作生活质量，需要 通过外在帮助，及时给予提醒，解除焦虑，打断坏心情的恶性循环。 目前人脸识别技术主要应用于安检、身份辨认及表情分析，人脸的表情识别与分 析用于虚拟情感互动中较少，用电脑摄像头采集检测人脸的图像，对检测到的人脸进行脸 部的一系列相关技术处理、分析和判断，进而提供提醒员工放松和给予情感上的给养。
技术实现思路
本专利技术的目的是：是为了鼓励员工多微笑或工作时保持心平气和，丢弃烦恼，保持 乐观向上的心态和良好的仪容。 本专利技术采取的技术方案是：该系统的实施步骤为：基本表情样本的采集、开机自 动启动视频、表情实时采集、表情检测、表情图像预处理、表情图像识别、综合统计分析判 断、阶段性表情归结、鼓励员工放松的友情提醒。 本专利技术的技术要点是将通过向量表示的多个表情特征，与几种预先拍摄的用户典 型表情的样本中相对应的关键特征匹配对比相似度，判断捕捉到的表情关键特征处的欧式 距离与预设的典型表情特征处的欧式距离差值、几何形状的变化，经过归一化后，用统计形 状分析方法，根据一定时间段里员工的表情分布概率判断该阶段内表情为焦虑还是高兴。 在首次运行时要求建立员工面部档案：通过电脑的摄像装置先采集并存档员工的 几种表情：平静、高兴、生气、愁苦，作为今后与实时采集的表情作对比的样本，每天开机时， 该程序自动启动，在员工工作时，每隔几分钟采集一次面对电脑的员工表情图像，加以图像 预处理，可以根据灰阶影像、人脸边缘检测结果及人脸与背景分割结果输出人脸轮廓，决定 脸上表情的关键特征可以通过向量来表示，将多个特征部位的特征组合起来，与人脸轮廓 一起输出表情特征，与几种预先拍摄的用户典型表情的样本中相对应的关键特征对比，判 断捕捉到的表情关键特征处的欧式距离与样本中典型表情特征处的欧式距离差值、几何形 状的变化，经过统计分析，判断员工的表情为焦虑还是高兴，如果员工在半小时里持续有焦 虑表情，每隔半小时，计算机就及时发出友好提醒，请员工微笑一下，或弹出其快乐表情与 当时表情的两张对比照片，或跳出一段幽默的笑话，包括图像摄取、人脸定位、图像预处理、 表情检测、表情识别、统计分析和判断、互动提醒，采用的心理战术为微笑营销。 本专利技术的有益效果是：能改善职员工作时的心情，把微笑和快乐带进员工的工作 中，美容保健，员工的工作和生活质量会有所改善，还能提高工作效率，增强企业效益。【附图说明】 图1为本专利技术笑脸识别鼓励系统的实施流程图。【具体实施方式】 本专利技术按以下技术方案和步骤实现。 在系统使用前，员工可预先选择是否使用这套微笑识别鼓励系统。 1、基本表情样本的采集： 首先登记使用人，然后拍摄使用人面部图像，给每一个员工拍摄并存档三种基本表情 照片：高兴、焦虑、平静，作为以后与工作中产生的表情进行对比的参照物，使用人确认图像 后，系统对图像中代表表情特征的关键部位进行均方归一化的操作后使用欧式距离进行度 量，将特征数据存入数据库。 2、开机自动启动视频： 如果员工选择使用微笑识别鼓励系统，开机时自动运行作为背景程序的笑脸识别鼓 励系统，定时开启电脑自带的或所配的摄像头，系统在后台默默地运行，不会影响用户的工 作，用户如果不想继续使用这套系统，可选择关闭系统。 3、表情实时采集： 人脸以50~100cm距离正对摄像机，利用常规工作光源照明，光源亮度与方向在采集 时要基本一致，人脸检测先在图像中准确标定出人脸的位置和大小，可以使用有人脸自动 对焦技术功能的电脑摄像头：它根据人的头部部位进行判定，首先确定头部，然后判断眼睛 和嘴巴等头部特征，通过特征库的比对，确认是使用者面部，完成面部捕捉，然后以人脸为 焦点进行自动对焦，可以提升拍出照片的清晰度，对比模板，确认是曾登陆的使用者的脸， 可设置每隔5分钟拍摄一次面部表情图像。 人脸表情检测 人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征 及Haar特征等，把这其中有用的信息挑出来，并利用这些特征实现人脸检测。 首先提取与表情变化有密切关系的脸部器官的外部轮廓，可以根据灰阶影像、人 脸边缘检测结果及人脸与背景分割结果输出人脸轮廓，然后对眼睛、鼻子、嘴巴、下巴、面颊 等部位形状、大小、光亮度和相对位置的各种变化进行几何描述，作为人脸表情识别的重要 特征。 准确的人脸识别系统，提供了良好的图像数据技术，人脸识别算法则进一步对图 像进行处理，以消除距离远近和头部姿态所带来的负面影响，表情检测过程中可使用基于 Adaboost算法的人脸检测器检测人脸图像，Adaboost算法挑选出一些最能代表人脸表情 的矩形特征（弱分类器），按照加权投票的方式将弱分类器构造为一个强分类器，再将训 练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速 度。 人脸表情图像预处理 输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存 在有噪声、对比度不够等缺点，另外，距离远近，焦距大小等又使得人脸在整幅图像中间的 大小和位置不确定，为了保证人脸图像中人脸大小、位置以及人脸图像质量的一致性，在对 人脸特征提取之前，必须对图像进行人脸扶正、图像增强、图像归一化及图像复原等预处 理，包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化 等。 为提取确定表情的人脸关键部位的特征可使用几何归一化和灰度归一化对图像 进行处理。 几何归一化：同一种人脸检测算法由于受检时头部不稳定性，如旋转、位置、扭曲 等，检测的人脸区域大小不尽相同，为了后续的人脸特征提取的完善性，有必要对人脸的大 小、长宽比及人脸的端正性做归一化处理，使检测的人脸样本更适合进行特征提取，保证特 征提取的有效性。 灰度归一化：不同时间的图像往往灰度不在同一个范围，这主要是由于光线不均 匀性导致的，为了让不同灰度的人脸图像便于统一处理，有必要规定人脸图像的灰度级在 某一个特定的范围，光线过暗或则过亮多将被归一化到这个灰当前第1页1 2 本文档来自技高网...

【技术保护点】
笑脸识别鼓励系统，其特征在于：该方法分为七个步骤实现：1）基本表情样本的采集；2）开机自动启动视频；3）表情实时采集；4）人脸表情检测；5）人脸表情图像预处理；6）人脸表情图像识别、分析、判断；7）阶段性表情归结、友情提醒。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘金虎，丁宇红，
申请(专利权)人：南京普爱射线影像设备有限公司，
类型：发明
国别省市：江苏;32