專利名稱：表情檢測裝置及其表情檢測方法
技術領域：
本發(fā)明有關一種表情檢測裝置及其表情檢測方法，且特別是有關一種低運算量的 表情檢測裝置及其表情檢測方法。
背景技術：
在生活中，人們常常通過臉部表情來表達內(nèi)心的情緒。情感的表現(xiàn)區(qū)域主要包括 嘴巴、眼睛、眉毛和臉頰等。人們在表達內(nèi)心情緒時，只改變一下臉部的局部特征(如嘴角 上揚)便能表達一種心態(tài)。隨著技術的日新月異，人們進一步地期望能將表情識別應用于 電子裝置之中，以大幅提高應用上的便利性。笑臉檢測為人臉表情檢測的重要項目之一，其處理方法上可分為人臉特征檢測 技術與分類器二部份。傳統(tǒng)人臉特征檢測技術多設定人臉眼、鼻、嘴部的固定框架于人 臉區(qū)域上，然后以統(tǒng)計比較方式(中國臺灣專利號00445434 ；TW226589B，美國專利US 6，526，161)，去計算出人臉特征位置。另外在分類器技術方面，在美國專利US 6，430，307 中，將原本與新增加的樣本放入PCA中去計算正交基底，再比較是否符合。然而，傳統(tǒng)人臉表情檢測技術不僅運算量龐大，且不易使用于嵌入式平臺中(如 數(shù)碼相機)。此外，傳統(tǒng)人臉表情檢測技術容易受到光源的影響，當亮度不均勻時，即直接地 影響到表情檢測結(jié)果的正確性。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種表情檢測裝置及其表情檢測方法，其至少包括如下優(yōu)占.一、當人臉發(fā)生姿態(tài)變化時亦能擷取出特征位置。二、降低光源變化影響。三、快速計算人臉特征位置。四、快速獲得表情檢測結(jié)果。五、運算量低，相當適合應用于嵌入式系統(tǒng)中。根據(jù)本發(fā)明的一方面，提出一種表情檢測裝置。表情檢測裝置包括灰階影像產(chǎn)生 單元、人臉邊緣檢測單元、動態(tài)膚色擷取單元、人臉輪廓產(chǎn)生單元及表情檢測單元?；译A影 像產(chǎn)生單元根據(jù)原始影像產(chǎn)生灰階影像。人臉邊緣檢測單元根據(jù)灰階影像輸出人臉邊緣檢 測結(jié)果。動態(tài)膚色擷取單元根據(jù)原始影像產(chǎn)生動態(tài)膚色擷取結(jié)果，并根據(jù)動態(tài)膚色擷取結(jié) 果產(chǎn)生人臉及背景分割結(jié)果。人臉輪廓產(chǎn)生單元根據(jù)灰階影像、人臉邊緣檢測結(jié)果及人臉 及背景分割結(jié)果輸出人臉輪廓。表情檢測單元根據(jù)人臉輪廓輸出表情檢測結(jié)果。根據(jù)本發(fā)明的另一方面，提出一種表情檢測方法。表情檢測方法包括根據(jù)原始影 像產(chǎn)生灰階影像；根據(jù)灰階影像輸出人臉邊緣檢測結(jié)果；根據(jù)原始影像產(chǎn)生動態(tài)膚色擷取 結(jié)果，并根據(jù)動態(tài)膚色擷取結(jié)果產(chǎn)生人臉及背景分割結(jié)果；根據(jù)灰階影像、人臉邊緣檢測結(jié) 果及人臉及背景分割結(jié)果輸出人臉輪廓；以及根據(jù)人臉輪廓輸出表情檢測結(jié)果。


為讓本發(fā)明的上述內(nèi)容能更明顯易懂，下面將配合附圖對本發(fā)明的較佳實施例作 詳細說明，其中圖1是依照本發(fā)明實施例的表情檢測裝置的示意圖。圖2是表情檢測單元的示意圖。圖3是特征擷取單元的示意圖。圖4是嘴巴區(qū)域的示意圖。圖5是將嘴巴區(qū)域劃分為32等分的示意圖。圖6是參考點擷取單元的示意圖。圖7是框選單元的示意圖。圖8是依照本發(fā)明實施例的表情檢測方法的流程圖。
具體實施例方式下述實施例提供一種表情檢測裝置及其表情檢測方法。表情檢測裝置包括灰階影 像產(chǎn)生單元、人臉邊緣檢測單元、動態(tài)膚色擷取單元、人臉輪廓產(chǎn)生單元及表情檢測單元。 灰階影像產(chǎn)生單元根據(jù)原始影像產(chǎn)生灰階影像。人臉邊緣檢測單元根據(jù)灰階影像輸出人臉 邊緣檢測結(jié)果。動態(tài)膚色擷取單元根據(jù)原始影像產(chǎn)生動態(tài)膚色擷取結(jié)果，并根據(jù)動態(tài)膚色 擷取結(jié)果產(chǎn)生人臉及背景分割結(jié)果。人臉輪廓產(chǎn)生單元根據(jù)灰階影像、人臉邊緣檢測結(jié)果 及人臉及背景分割結(jié)果輸出人臉輪廓。表情檢測單元根據(jù)人臉輪廓輸出表情檢測結(jié)果。實施例請參照圖1，圖1是依照本發(fā)明實施例的表情檢測裝置的示意圖。表情檢測裝置10 包括灰階影像產(chǎn)生單元110、人臉邊緣檢測單元120、動態(tài)膚色擷取單元130、人臉輪廓產(chǎn)生 單元140及表情檢測單元150?；译A影像產(chǎn)生單元110根據(jù)原始影像S1產(chǎn)生灰階影像S2。 人臉邊緣檢測單元120根據(jù)灰階影像S2輸出人臉邊緣檢測結(jié)果S3。其中，人臉邊緣檢測單 元120例如是水平邊緣檢測灰階影像S2，以輸出人臉邊緣檢測結(jié)果S3。動態(tài)膚色擷取單元 130根據(jù)原始影像S1產(chǎn)生動態(tài)膚色擷取結(jié)果，并根據(jù)動態(tài)膚色擷取結(jié)果產(chǎn)生人臉及背景分 割結(jié)果S4。人臉輪廓產(chǎn)生單元140根據(jù)灰階影像S2、人臉邊緣檢測結(jié)果S3及人臉及背景 分割結(jié)果S4輸出人臉輪廓S5。表情檢測單元150根據(jù)人臉輪廓S5輸出表情檢測結(jié)果S6。需特別說明的是，一張影像不會平均的分布在0到255每一個灰階值上，大部分的 像素會落于某一區(qū)間變化。舉例來說，一張人臉影像中80% 90%的灰階值會落于50 100之間變化。而所謂動態(tài)膚色即是指根據(jù)當時不同的人臉影像設定不同的閾值。由于閾 值是根據(jù)整張人臉影像的全部灰階值比例而設定，因此具有極佳的適應性，以降低光源變 化的影響。由此可知，前述動態(tài)膚色擷取單元130根據(jù)動態(tài)膚色擷取結(jié)果適應性地產(chǎn)生人 臉及背景分割結(jié)果S4，將大幅降低光源變化的影響。此外，由于表情檢測裝置10并非使用 固定框架，因此當人臉發(fā)生姿態(tài)變化時亦能正確地擷取出特征位置。再者，人臉輪廓產(chǎn)生單 元140計算出人臉輪廓S5，將有利后續(xù)快速地計算人臉特征位置。不僅如此，表情檢測裝置 10運算量低，相當適合應用于嵌入式系統(tǒng)中。請參照圖2，圖2是表情檢測單元的示意圖。表情檢測單元150進一步包括特征擷
6取單元152、指定表情及非指定表情數(shù)據(jù)庫156及分類器154。特征擷取單元152根據(jù)人臉 輪廓S5輸出特征向量S7。指定表情及非指定表情數(shù)據(jù)庫156儲存多張指定表情影像及非 指定表情影像，并根據(jù)指定表情影像及非指定表情影像輸出特征向量S8。分類器154根據(jù) 特征向量S7及特征向量S8輸出表情檢測結(jié)果S6。分類器154例如為支持向量機(Support Vector Machine, SVM)分類器。指定表 情及非指定表情數(shù)據(jù)庫156所儲存的影像可分為指定表情影像及非指定表情影像兩類，通 過支持向量機的訓練可以獲得支持向量(Support Vectors, SVs)，并獲得兩類數(shù)據(jù)中間的 區(qū)分平面(Separating Hyper-planes)，使得這兩類數(shù)據(jù)離此區(qū)分平面的距離為最大。前述分類器154例如根據(jù)特征向量S7及特征向量S8的內(nèi)積結(jié)果以決定表情檢測 結(jié)果S6屬于指定表情影像或非指定表情影像。舉例來說，當特征向量S7及特征向量S8的 內(nèi)積結(jié)果大于0表示表情檢測結(jié)果S6屬于指定表情影像。相反地，當特征向量S7及特征 向量S8的內(nèi)積結(jié)果小于0表示表情檢測結(jié)果S6屬于非指定表情影像。請參照圖3至圖5，圖3是特征擷取單元的示意圖，圖4是嘴巴區(qū)域的示意圖，圖 5是將嘴巴區(qū)域劃分為32等分的示意圖。特征擷取單元152進一步包括參考點擷取單元 1522、框選單元1524及特征值擷取單元1526。參考點擷取單元1522根據(jù)人臉輪廓S5及 灰階影像S2輸出特征點數(shù)據(jù)S9。特征點數(shù)據(jù)S9可以是任何的五官參考點，如眼睛參考點 及嘴巴參考點。框選單元1524根據(jù)特征點數(shù)據(jù)S9框選特征區(qū)域S10。特征區(qū)域S10可以 任何的五官區(qū)域，如嘴巴區(qū)域及眼睛區(qū)域。特征值擷取單元1526將特征區(qū)域S10分成數(shù)等 分，并計算各等分的平均值，以輸出特征向量S7。舉例來說，特征區(qū)域S10例如為圖4繪示 的嘴巴區(qū)域。特征值擷取單元1526將嘴巴區(qū)域分成4X8等分，并計算各等分的灰階平均 值。在實際運用時，由于嘴巴區(qū)域的左上、左下、右上與右下格通常會超出嘴唇的范圍，因此 在此將舍棄這四個值，而取剩下的28個灰階平均值作為代表嘴部區(qū)域的特征向量S7，用以 訓練前述圖2的分類器154。由于特征區(qū)域S10的灰階值可視為一組特征向量，因此可使前 述圖2繪示的分類器154快速地獲得表情檢測結(jié)果S6。請參照圖6，圖6是參考點擷取單元的示意圖。參考點擷取單元1522進一步包括上 半部積分光密度(Integrated Optical Density, I0D)計算單元15222、二值化單元15224、 眼睛參考點產(chǎn)生單元15226及嘴巴參考點產(chǎn)生單元15228。上半部積分光密度計算單元 15222計算灰階影像S2的上半部的上半部積分光密度S11。二值化單元15224根據(jù)上半部 積分光密度S11輸出二值化結(jié)果S12。眼睛參考點產(chǎn)生單元15226根據(jù)二值化結(jié)果S12找 出特征點數(shù)據(jù)S9的兩眼睛參考點S91。嘴巴參考點產(chǎn)生單元15228根據(jù)兩眼睛參考點S91 及人臉輪廓S5找出特征數(shù)據(jù)S9的嘴巴參考點S92。舉例來說，上半部積分光密度計算單元15222根據(jù)上半部積分光密度找出灰階影 像S2的上半部中5%最黑的部份以得到眉毛位置。二值化單元15224根據(jù)閾值將上半部積 分光密度S11給二值化(Binary)。上半部積分光密度S11中大于閾值的部份即設為255， 而上半部積分光密度S11中小于閾值的部份即設為0。兩眼睛參考點S91包括左眼參考點 及右眼參考點。眼睛參考點產(chǎn)生單元15226于二值化結(jié)果S12左側(cè)中由下往上的第一個斷 點處即為左眼參考點所在處。同樣地，眼睛參考點產(chǎn)生單元15226于二值化結(jié)果S12右側(cè) 中由下往上的第一個斷點處即為右眼參考點所在處。嘴巴參考點產(chǎn)生單元15228計算左眼 參考點及右眼參考點的中點做為嘴巴參考點S92的水平坐標，并選擇人臉輪廓S5的下半部的平均亮度最低處做為嘴巴參考點S92的垂直坐標。請參照圖7，圖7是框選單元的示意圖?？蜻x單元1524進一步包括預估范圍框選 單元15241、眼睛邊緣檢測單元15242、眼睛積分光密度(Integrated Optical Density, I0D)計算單元15243、邏輯運算單元15244及特征位置框選單元15245。預估范圍框選單元 15241根據(jù)兩眼參考點S91先行框選出大概的眼睛預估范圍S93。眼睛邊緣檢測單元15242 根據(jù)眼睛預估范圍S93輸出眼睛邊緣檢測結(jié)果S94。眼睛積分光密度(Integrated Optical Density, I0D)計算單元15243根據(jù)眼睛預估范圍S93輸出眼睛積分光密度S95。邏輯運算 單元15244根據(jù)眼睛邊緣檢測結(jié)果S94及眼睛積分光密度S95輸出邏輯運算結(jié)果S96，邏輯 運算結(jié)果S96例如是睛邊緣檢測結(jié)果S94及眼睛積分光密度S95的交集。特征位置框選單 元15245根據(jù)邏輯運算結(jié)果S96框選特征區(qū)域S10的眼睛區(qū)域，并根據(jù)嘴巴參考點S92框選 特征區(qū)域S10的嘴巴區(qū)域?？蜻x單元1524框選出嘴巴區(qū)域后，前述圖2繪示的分類器154 即能根據(jù)嘴巴區(qū)域內(nèi)的灰階平均值檢測是否有笑臉的表情產(chǎn)生。同樣地，框選單元1524框 選出眼睛區(qū)域后，前述圖2繪示的分類器154即能根據(jù)眼睛區(qū)域內(nèi)的灰階平均值檢測是否 有眨眼的表情產(chǎn)生。請同時參照圖1及圖8，圖8是依照本發(fā)明實施例的表情檢測方法的流程圖。表情 檢測方法可應用于前述的實施例的表情檢測裝置10。表情檢測方法至少包括如下步驟首 先如步驟810所示，灰階影像產(chǎn)生單元110根據(jù)原始影像S1產(chǎn)生灰階影像S2。接著如步驟 820所示，人臉邊緣檢測單元120根據(jù)灰階影像S2輸出人臉邊緣檢測結(jié)果S3。跟著如步驟 830所示，動態(tài)膚色擷取單元130根據(jù)原始影像S1產(chǎn)生動態(tài)膚色擷取結(jié)果，并根據(jù)動態(tài)膚色 擷取結(jié)果產(chǎn)生人臉及背景分割結(jié)果S4。然后如步驟840所示，人臉輪廓產(chǎn)生單元140根據(jù) 灰階影像S2、人臉邊緣檢測結(jié)果S3及人臉及背景分割結(jié)果S4輸出人臉輪廓S5。最后如步 驟850所示，表情檢測單元150根據(jù)人臉輪廓S5輸出表情檢測結(jié)果S6。本發(fā)明上述實施例所揭露的表情檢測裝置及其表情檢測方法，具有多項優(yōu)點，以 下僅列舉部分優(yōu)點說明如下一、當人臉發(fā)生姿態(tài)變化時亦能擷取出特征位置。二、降低光源變化影響。三、快速計算人臉特征位置。四、快速獲得表情檢測結(jié)果。五、運算量低，相當適合應用于嵌入式系統(tǒng)中。綜上所述，雖然本發(fā)明已以較佳實施例揭露如上，然而其并非用以限定本發(fā)明。本 發(fā)明所屬技術領域中具有通常知識者，在不脫離本發(fā)明的精神和范圍內(nèi)，當可作各種等同 的改變或替換。因此，本發(fā)明的保護范圍當視后附的本申請權利要求所界定的為準。
8
權利要求
一種表情檢測方法，包括根據(jù)一原始影像產(chǎn)生一灰階影像；根據(jù)該灰階影像輸出一人臉邊緣檢測結(jié)果；根據(jù)一原始影像產(chǎn)生一動態(tài)膚色擷取結(jié)果，并根據(jù)該動態(tài)膚色擷取結(jié)果產(chǎn)生一人臉及背景分割結(jié)果；根據(jù)該灰階影像、該人臉邊緣檢測結(jié)果及該人臉及背景分割結(jié)果輸出一人臉輪廓；以及根據(jù)該人臉輪廓輸出一表情檢測結(jié)果。
2.根據(jù)權利要求1所述的表情檢測方法，其特征在于輸出一表情檢測結(jié)果的該步驟包括根據(jù)該人臉輪廓輸出一第一特征向量；儲存多張指定表情影像及非指定表情影像，并根據(jù)所述指定表情影像及非指定表情影 像輸出至少一第二特征向量；以及根據(jù)該第一特征向量及該第二特征向量輸出該表情檢測結(jié)果。
3.根據(jù)權利要求2.所述的表情檢測方法，其特征在于輸出一第一特征向量的該步驟 包括根據(jù)該人臉輪廓及該灰階影像輸出一特征點數(shù)據(jù)； 根據(jù)該特征點數(shù)據(jù)框選一特征區(qū)域；以及將該特征區(qū)域分成多個等分，并計算各所述等分的平均值，以輸出該第一特征向量。
4.根據(jù)權利要求3所述的表情檢測方法，其特征在于輸出一特征點數(shù)據(jù)的該步驟包括計算該灰階影像的上半部的一上半部積分光密度； 根據(jù)該上半部積分光密度輸出一二值化結(jié)果；根據(jù)該二值化結(jié)果找出該特征點數(shù)據(jù)的一第一眼睛參考點及一第二眼睛參考點；以及 根據(jù)該第一眼睛參考點、該第二眼睛參考點及該人臉輪廓找出該特征數(shù)據(jù)的一嘴巴參 考點。
5.根據(jù)權利要求4所述的表情檢測方法，其特征在于框選一特征區(qū)域的該步驟包括 根據(jù)該眼睛參考點框選一眼睛預估范圍；根據(jù)該眼睛預估范圍輸出一眼睛邊緣檢測結(jié)果； 根據(jù)該眼睛預估范圍輸出一眼睛積分光密度；根據(jù)該眼睛邊緣檢測結(jié)果及該眼睛積分光密度輸出一邏輯運算結(jié)果；以及 根據(jù)該邏輯運算結(jié)果框選該特征區(qū)域的一眼睛區(qū)域，并根據(jù)該嘴巴參考點框選該特征 區(qū)域的一嘴巴區(qū)域。
6.根據(jù)權利要求5所述的表情檢測方法，其特征在于輸出一邏輯運算結(jié)果的該步驟是 輸出該眼睛邊緣檢測結(jié)果及該眼睛積分光密度的交集。
7.根據(jù)權利要求4所述的表情檢測方法，其特征在于找出該特征數(shù)據(jù)的一嘴巴參考點 的該步驟包括根據(jù)該第一眼睛參考點及該第二眼睛參考點計算該嘴巴參考點的水平坐標；以及 根據(jù)該人臉輪廓的下半部的平均亮度找出該嘴巴參考點的垂直坐標。
8.根據(jù)權利要求7所述的表情檢測方法，其特征在于計算該嘴巴參考點的水平坐標的 該步驟是計算該第一眼睛參考點及該第二眼睛參考點的中點做為該嘴巴參考點的水平坐 標。
9.根據(jù)權利要求7所述的表情檢測方法，其特征在于找出該嘴巴參考點的垂直坐標的 該步驟是選擇該人臉輪廓的下半部的平均亮度最低處做為該嘴巴參考點的垂直坐標。
10.根據(jù)權利要求1所述的表情檢測方法，其特征在于輸出一人臉邊緣檢測結(jié)果的該 步驟是水平邊緣檢測該灰階影像以輸出該人臉邊緣檢測結(jié)果。
11.一種表情檢測裝置，包括一灰階影像產(chǎn)生單元，用以根據(jù)一原始影像產(chǎn)生一灰階影像； 一人臉邊緣檢測單元，用以根據(jù)該灰階影像輸出一人臉邊緣檢測結(jié)果； 一動態(tài)膚色擷取單元，用以根據(jù)一原始影像產(chǎn)生一動態(tài)膚色擷取結(jié)果，并根據(jù)該動態(tài) 膚色擷取結(jié)果產(chǎn)生一人臉及背景分割結(jié)果；一人臉輪廓產(chǎn)生單元，用以根據(jù)該灰階影像、該人臉邊緣檢測結(jié)果及該人臉及背景分 割結(jié)果輸出一人臉輪廓；以及一表情檢測單元，用以根據(jù)該人臉輪廓輸出一表情檢測結(jié)果。
12.根據(jù)權利要求11所述的表情檢測裝置，其特征在于該表情檢測單元包括 一特征擷取單元，用以根據(jù)該人臉輪廓輸出一第一特征向量；一指定表情及非指定表情數(shù)據(jù)庫，用以儲存多張指定表情影像及非指定表情影像，并 根據(jù)所述指定表情影像及非非指定表情影像輸出至少一第二特征向量；以及 一分類器，用以根據(jù)該第一特征向量及該第二特征向量輸出該表情檢測結(jié)果。
13.根據(jù)權利要求12所述的表情檢測裝置，其特征在于該特征擷取單元包括 一參考點擷取單元，用以根據(jù)該人臉輪廓及該灰階影像輸出一特征點數(shù)據(jù)； 一框選單元，用以根據(jù)該特征點數(shù)據(jù)框選一特征區(qū)域；以及一特征值擷取單元，用以將該特征區(qū)域分成多個等分，并計算各所述等分的平均值，以 輸出該第一特征向量。
14.根據(jù)權利要求13所述的表情檢測裝置，其特征在于該參考點擷取單元包括 一上半部積分光密度(Integrated Optical Density，I0D)計算單元，用以計算該灰階影像之上半部的一上半部積分光密度；一二值化單元，用以根據(jù)該上半部積分光密度輸出一二值化結(jié)果； 一眼睛參考點產(chǎn)生單元，用以根據(jù)該二值化結(jié)果找出該特征點數(shù)據(jù)的一第一眼睛參考 點及一第二眼睛參考點；以及一嘴巴參考點產(chǎn)生單元，用以根據(jù)該第一眼睛參考點、該第二眼睛參考點及該人臉輪 廓找出該特征數(shù)據(jù)的一嘴巴參考點。
15.根據(jù)權利要求14所述的表情檢測裝置，其特征在于該框選單元包括 一預估范圍框選單元，用以根據(jù)該眼睛參考點框選一眼睛預估范圍；一眼睛邊緣檢測單元，用以根據(jù)該眼睛預估范圍輸出一眼睛邊緣檢測結(jié)果； 一眼睛積分光密度(Integrated Optical Density, I0D)計算單元，用以根據(jù)該眼睛預 估范圍輸出一眼睛積分光密度；一邏輯運算單元，用以根據(jù)該眼睛邊緣檢測結(jié)果及該眼睛積分光密度輸出一邏輯運算結(jié)果；以及一特征位置框選單元，用以根據(jù)該邏輯運算結(jié)果框選該特征區(qū)域的一眼睛區(qū)域，并根 據(jù)該嘴巴參考點框選該特征區(qū)域的一嘴巴區(qū)域。
16.根據(jù)權利要求15所述的表情檢測裝置，其特征在于該邏輯運算單元輸出該眼睛邊 緣檢測結(jié)果及該眼睛積分光密度的交集。
17.根據(jù)權利要求14所述的表情檢測裝置，其特征在于嘴巴參考點產(chǎn)生單元根據(jù)該第 一眼睛參考點及該第二眼睛參考點計算該嘴巴參考點的水平坐標，并根據(jù)該人臉輪廓的下 半部的平均亮度找出該嘴巴參考點的垂直坐標。
18.根據(jù)權利要求17所述的表情檢測裝置，其特征在于嘴巴參考點產(chǎn)生單元計算該第 一眼睛參考點及該第二眼睛參考點的中點做為該嘴巴參考點的水平坐標。
19.根據(jù)權利要求17所述的表情檢測裝置，其特征在于嘴巴參考點產(chǎn)生單元選擇該人 臉輪廓的下半部的平均亮度最低處做為該嘴巴參考點的垂直坐標。
20.根據(jù)權利要求11所述的表情檢測裝置，其特征在于該人臉邊緣檢測單元水平邊緣 檢測該灰階影像以輸出該人臉邊緣檢測結(jié)果。
全文摘要
本發(fā)明是一種表情檢測裝置及其表情檢測方法。表情檢測裝置包括灰階影像產(chǎn)生單元、人臉邊緣檢測單元、動態(tài)膚色擷取單元、人臉輪廓產(chǎn)生單元及表情檢測單元?；译A影像產(chǎn)生單元根據(jù)原始影像產(chǎn)生灰階影像。人臉邊緣檢測單元根據(jù)灰階影像輸出人臉邊緣檢測結(jié)果。動態(tài)膚色擷取單元根據(jù)原始影像產(chǎn)生動態(tài)膚色擷取結(jié)果，并根據(jù)動態(tài)膚色擷取結(jié)果產(chǎn)生人臉及背景分割結(jié)果。人臉輪廓產(chǎn)生單元根據(jù)灰階影像、人臉邊緣檢測結(jié)果及人臉及背景分割結(jié)果輸出人臉輪廓。表情檢測單元根據(jù)人臉輪廓輸出表情檢測結(jié)果。
文檔編號G06K9/62GK101887513SQ200910141299
公開日2010年11月17日 申請日期2009年5月12日 優(yōu)先權日2009年5月12日
發(fā)明者宋開泰, 林季誼, 林家合, 王仕杰, 韓孟儒 申請人:聯(lián)詠科技股份有限公司