一种真假笑容辨别方法及系统技术方案

本发明专利技术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。本发明专利技术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。提供依据。提供依据。

【技术实现步骤摘要】
一种真假笑容辨别方法及系统


[0001]本专利技术涉及信息
，尤其是一种真假笑容辨别方法及系统。

技术介绍

[0002]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。

技术实现思路

[0003]针对现有技术中的缺陷，本专利技术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。
[0004]第一方面
[0005]本专利技术提供了一种真假笑容辨别方法，包括：
[0006]获取预设点位摄像头抓拍的图片数据；
[0007]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；
[0008]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；
[0009]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。
[0010]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：
[0011]提取所述图片数据的Haar特征；
[0012]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。
[0013]优选地，还包括对所述人脸图片进行预处理；
[0014]所述对所述人脸图片进行预处理包括：
[0015]对所述人脸图片进行灰度化处理；
[0016]对灰度化处理的人脸图片进行直方图均衡化处理；
[0017]对直方图均衡化处理后的人脸图片进行中值滤波处理；
[0018]对中值滤波处理后的图片进行尺寸归一化处理。
[0019]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；
[0020]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：
[0021]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。
[0022]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：
[0023]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；
[0024]设定
[0025]若P小于第一预设阈值，判定为1级笑容；
[0026]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；
[0027]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；
[0028]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。
[0029]第二方面
[0030]本专利技术提供了一种真假笑容辨别系统，包括：
[0031]第一获取模块，用于获取预设点位摄像头抓拍的图片数据；
[0032]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；
[0033]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；
[0034]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。
[0035]优选地，所述人脸检测模块具体用于：
[0036]提取所述图片数据的Haar特征；
[0037]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。
[0038]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；
[0039]所述预处理模块具体用于：
[0040]所述对所述人脸图片进行预处理包括：
[0041]对所述人脸图片进行灰度化处理；
[0042]对灰度化处理的人脸图片进行直方图均衡化处理；
[0043]对直方图均衡化处理后的人脸图片进行中值滤波处理；
[0044]对中值滤波处理后的图片进行尺寸归一化处理。
[0045]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；
[0046]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：
[0047]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。
[0048]优选地，还包括分级模块，用于对真实笑容进行分级；
[0049]所述分级模块具体用于：
[0050]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；
[0051]设定
[0052]若P小于第一预设阈值，判定为1级笑容；
[0053]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；
[0054]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；
[0055]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。
[0056]本专利技术的有益效果为：
[0057]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
[0058]为了更清楚地说明本专利技术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，类似的元件本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：李志雄，
申请(专利权)人：深圳市中科网威科技有限公司，
类型：发明
国别省市：