專利名稱:形象評(píng)分系統(tǒng)的制作方法
技術(shù)領(lǐng)域:
本發(fā)明是一種對(duì)人體形象分析和客觀地評(píng)估人體形象的系統(tǒng)。
背景技術(shù):
目前,公知的對(duì)自己形象的評(píng)價(jià)就是照鏡子和別人對(duì)自己形象的評(píng)價(jià),但是大多 數(shù)人在照鏡子的時(shí)候都沒有仔細(xì)地看自己或者根本就看不出自己的形象差的那一面,好的 形象會(huì)讓人們?cè)诠ぷ魃虾腿穗H交往上帶來便利,但是目前還沒有任何一個(gè)設(shè)備對(duì)人們的形 象做出客觀的評(píng)價(jià)。
發(fā)明內(nèi)容
為了讓人們的形象得到一個(gè)客觀的判斷和評(píng)價(jià),本發(fā)明系統(tǒng)提供一種能夠分析和
評(píng)價(jià)人們形象好壞程度的系統(tǒng)。 本發(fā)明方法的技術(shù)方案是 —種對(duì)人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),其步驟包括
(1)人體有無的判斷; (2)圖像采集,并對(duì)采集的模擬視頻圖像進(jìn)行數(shù)字化轉(zhuǎn)換; (3)圖像預(yù)處理; (4)圖像背景提取和更新; (5)人體圖像分析; (6)人體圖像評(píng)估; 所述的人體分析中,對(duì)人體區(qū)域進(jìn)行腐蝕/膨脹運(yùn)算,提取人體有效特征矩陣。
所述的人體圖像分析中,包括下列步驟得出 (1)分別對(duì)背景圖像和前景圖像用SOBEL算子進(jìn)行邊緣檢測(cè),對(duì)得出的背景邊緣 和前景邊緣的差差圖進(jìn)行全局域值分割,形成初步邊緣人體區(qū)域; (2)分別對(duì)背景圖像和前景圖像進(jìn)行增強(qiáng),對(duì)兩者的差圖進(jìn)行類間方差域值分割, 形成初步人體區(qū)域; (3)將所述初步邊緣人體區(qū)域和初步人體區(qū)域進(jìn)行融合,得出所述的人體區(qū)域;
(4)對(duì)人體區(qū)域進(jìn)行腐蝕/膨脹運(yùn)算后由上到下的當(dāng)前人體特征提取,提取出來 的當(dāng)前人體特征矩包括發(fā)型、眉毛形狀、眼睛形狀、臉色、臉的輪廓、笑臉、衣服的模糊樣式 和整體結(jié)合特征; 所述的當(dāng)前人體特征矩和參考特征矩相比較,發(fā)型占16%分值,8卩16分,笑臉占
18%分值,即18分,眉毛形狀、眼睛形狀、臉色、臉的輪廓分別占8%的分值,即32分,衣服的
模糊樣式占16%分值,8卩16分,整體結(jié)合特征占18%分值,8卩18分。 所述的參考特征矩是由各行各業(yè)的形象代表圖像提取出來作為參考特征矩。 所述的當(dāng)前人體特征矩和參考特征矩相比較其具體操作是由人們從微型鍵盤輸
入調(diào)用人們想要的一個(gè)行業(yè)形象參考特征矩進(jìn)行比較來實(shí)現(xiàn)。
所述的圖像預(yù)處理包括對(duì)圖像進(jìn)行噪聲平滑,采用平均的方法進(jìn)行噪聲判斷和去 除,當(dāng)一些點(diǎn)和他的領(lǐng)域內(nèi)的點(diǎn)的灰度的平均值差不超過規(guī)定的閥值T時(shí),就仍然保留其 原始灰度值不變,如果大于閥值T時(shí)就用他的平均值代替該點(diǎn)的灰度值。
所述背景圖像的提取和更新采用下列方式 以在人體檢測(cè)開關(guān)檢測(cè)到人到來前一刻的圖像為背景圖像,以人走后再到來的前 一刻圖像為背景更新圖像其提取算法是 設(shè)視頻序列由{fk(x,y)}組成,s = 1,2,3,…,N. K為視頻系列的幀數(shù),每幅圖像 大小為XXY。將各幀圖像分成MXN字塊。M和N的選取準(zhǔn)則為最大平均人體頭像的1/4, 具體由實(shí)際情況調(diào)整。 求差分幀dk(x, y) = f (k+1) (x, y)-fk(x, y),同樣,將dk(x, y)按照空間劃分成 MXN字塊。 采用本方法提取的背景干凈,耗時(shí)很短,計(jì)算簡(jiǎn)單.在各種天氣和光線下均可使 用。 背景更新算法 獲取背景后,采用如下的方式更新背景.其中Bk(X, Y)表示第K幀背景,F(xiàn)k(X, Y)
表示第K幀圖像,B(K+1) (X, Y)表示第K+1幀背景。 IF (Bk(X, Y) == Fk(X, Y) B (k+1) (X, Y) = Bk (X, Y)Else if((Bk(X,Y) <Fk(X,Y)) B (k+1) (X, Y) = Bk (X, Y) -a Else B (k+1) (X, Y) = Bk (X, Y) +a A取值范圍在0. 1到2之間,根據(jù)環(huán)境定。 本發(fā)明的系統(tǒng)的技術(shù)方案是 —種對(duì)人體形象分析和客觀地評(píng)估人體形象的系統(tǒng)其特征在于包括 鏡子上方安裝一個(gè)微型攝像頭和一個(gè)人體檢測(cè)開關(guān),攝像頭下方安裝一個(gè)液晶顯
示屏,鏡子下方安裝一個(gè)微型小鍵盤,鏡子后面安裝一個(gè)語音系統(tǒng)、數(shù)據(jù)采集器、微型計(jì)算
機(jī)系統(tǒng)和開關(guān)電源。開關(guān)電源給攝像頭、語音系統(tǒng)、數(shù)據(jù)采集器、微型計(jì)算機(jī)人體檢測(cè)開關(guān)
提供電源,攝像頭、語音系統(tǒng)、液晶顯示屏、微型小鍵盤和人體檢測(cè)開關(guān)的數(shù)據(jù)線連接到微
型計(jì)算機(jī)系統(tǒng)。 所述的微型計(jì)算機(jī)系統(tǒng),其設(shè)有參考特征數(shù)據(jù)庫(kù),對(duì)所述的數(shù)字圖像進(jìn)行預(yù)處理, 提取和更新背景,進(jìn)行人體圖像分析和人體圖像評(píng)估; 所述的圖像預(yù)處理包括對(duì)圖像進(jìn)行噪聲平滑,采用平均的方法進(jìn)行噪聲判斷和去 除,當(dāng)一些點(diǎn)和他的領(lǐng)域內(nèi)的點(diǎn)的灰度的平均值差不超過規(guī)定的閥值T時(shí),就仍然保留其 原始灰度值不變,如果大于閥值T時(shí)就用他的平均值代替該點(diǎn)的灰度值。
所述背景圖像的提取和更新采用下列方式 以在人體檢測(cè)開關(guān)檢測(cè)到人到來前一刻的圖像為背景圖像,以人走后再到來的前 一刻圖像為背景更新圖像其提取算法是 設(shè)視頻序列由{fk(x,y)}組成,s = 1,2,3,…,N. K為視頻系列的幀數(shù),每幅圖像大小為XXY。 將各幀圖像分成MXN字塊。M和N的選取準(zhǔn)則為最大平均人體頭像的1/4,具體由實(shí)際情況調(diào)整。 求差分幀dk(x, y) = f (k+l) (x, y)-fk(x, y),同樣,將dk(x, y)按照空間劃分成MXN字塊。 采用本方法提取的背景干凈,耗時(shí)很短,計(jì)算簡(jiǎn)單.在各種天氣和光線下均可使用。 背景更新算法 獲取背景后,采用如下的方式更新背景.其中Bk(X, Y)表示第K幀背景,F(xiàn)k(X, Y)
表示第K幀圖像,B(K+1) (X, Y)表示第K+l幀背景。 IF(Bk(X, Y) == Fk(X, Y) B (k+l) (X, Y) = Bk (X, Y)Else if((Bk(X,Y) <Fk(X,Y)) B (k+l) (X, Y) = Bk (X, Y) -a ElseB (k+l) (X, Y) = Bk (X, Y) +a A取值范圍在0. 1到2之間,根據(jù)環(huán)境定。 所述的人體圖像分析為 對(duì)背景圖像和前景圖像用SOBEL算子進(jìn)行邊緣檢測(cè),對(duì)得出的背景邊緣和前景邊緣的差差圖進(jìn)行全局域值分割,形成初步邊緣人體區(qū)域; 對(duì)背景圖像和前景圖像進(jìn)行增強(qiáng),對(duì)兩者的差圖進(jìn)行類間方差域值分割,形成初步人體區(qū)域; 將所述初步邊緣人體區(qū)域和初步人體區(qū)域進(jìn)行融合,得出所述的人體區(qū)域;
對(duì)人體區(qū)域進(jìn)行腐蝕/膨脹算法后由上到下的當(dāng)前人體特征提取,提取出來的當(dāng)前人體特征矩包括發(fā)型、眉毛形狀、眼睛形狀、臉色、臉的輪廓、笑臉、衣服的模糊樣式和整體結(jié)合特征; 所述的當(dāng)前人體特征矩和參考特征矩相比較,發(fā)型占16%分值,8卩16分,笑臉占
18%分值,即18分,眉毛形狀、眼睛形狀、臉色、臉的輪廓分別占8%的分值,即32分,衣服的
模糊樣式占16%分值,8卩16分,整體結(jié)合特征占18%分值,8卩18分。 所述的臉色變化很大的情況下語音系統(tǒng)就會(huì)輸出語音報(bào)警信息; 由于本發(fā)明上述一系列適宜的方法,該系統(tǒng)在不僅對(duì)人體形象評(píng)估計(jì)算后顯示對(duì)
人們形象評(píng)價(jià)得出的分?jǐn)?shù),提醒人們注意形象問題,而且通過檢測(cè)人們面部的顏色,在人體
面部顏色變化很大的時(shí)候,提醒人們有可能生病注意身體等語音信息。
圖1是本發(fā)明的方法流程圖; 圖2是本發(fā)明涉及人體圖像分析的流程圖; 圖3是本發(fā)明的系統(tǒng)結(jié)構(gòu)示意具體實(shí)施例方式參見圖1和圖2,以下對(duì)本發(fā)明作進(jìn)一步說明,其主要部分的具體內(nèi)容如下
預(yù)處理 由于環(huán)境的各種各樣因素不確定、攝像頭的抖動(dòng)、電源的波動(dòng)等等因素的影響,這
樣會(huì)使部分像素發(fā)生劇烈的變化而造成的誤判。為了避免這類情況的發(fā)生,實(shí)際應(yīng)用中可
先對(duì)圖像進(jìn)行預(yù)處理,將圖像進(jìn)行噪聲平滑,降低顆粒噪聲及攝像機(jī)抖動(dòng)的影響。 大部分噪聲,如敏感元件、傳輸通道、整流器等引起的噪聲,對(duì)半是隨機(jī)的,即白噪
聲。他們對(duì)某一像素的影響,我們可以看成是孤立的。因此,和鄰近各點(diǎn)相比,該點(diǎn)灰度值
將有顯著的不同?;谶@一分析,可以用鄰域平均的方法,來判斷每一點(diǎn)是否含有噪聲,并
用適當(dāng)?shù)姆椒ㄈコ肼?。領(lǐng)域平均是簡(jiǎn)單的空域處理方法,基本思想是用該點(diǎn)鄰近的幾個(gè)
像素灰度的平均值來代替該點(diǎn)的灰度值。即當(dāng)一些點(diǎn)和他鄰域內(nèi)的點(diǎn)的灰度值的平均值差
不超過規(guī)定的閥值T時(shí),就仍然保留其灰度值不變,如果大于閥值T時(shí)用他們的平均值來代
替該點(diǎn)的灰度值。 背景圖像提取算法 設(shè)視頻序列由{fk(x,y)}組成,s = 1,2,3,…,N. K為視頻系列的幀數(shù),每幅圖像 大小為XXY。將各幀圖像分成MXN字塊。M和N的選取準(zhǔn)則為最大平均人體頭像的1/4, 具體由實(shí)際情況調(diào)整。 求差分幀dk(x, y) = f (k+l) (x, y)-fk(x, y),同樣,將dk(x, y)按照空間劃分成 MXN字塊。 采用本方法提取的背景干凈,耗時(shí)很短,計(jì)算簡(jiǎn)單.在各種天氣和光線下均可使 用. 背景更新算法 獲取背景后,采用如下的方式更新背景.其中Bk(X, Y)表示第K幀背景,F(xiàn)k(X, Y)
表示第K幀圖像,B(K+1) (X, Y)表示第K+l幀背景。 IF (Bk(X, Y) == Fk(X, Y) B (k+l) (X, Y) = Bk (X, Y)Else if((Bk(X,Y) <Fk(X,Y)) B (k+l) (X, Y) = Bk (X, Y) -a Else B (k+l) (X, Y) = Bk (X, Y) +a A取值范圍在0. 1到2之間,根據(jù)環(huán)境定。該背景更新算法簡(jiǎn)單有效。人體圖像分 析 首先,對(duì)背景圖像和前景圖像用SOBEL算子進(jìn)行邊緣檢測(cè),然后通過閥值二值化
差圖,得到邊緣檢測(cè)區(qū)域,同時(shí)對(duì)捕獲的每一幀圖像,與背景相減,得到兩者的灰度差圖。然
后對(duì)兩者的目標(biāo)區(qū)域進(jìn)行融合,通過閥值二值化差圖,通過膨脹運(yùn)算提取人體局域。 其次,對(duì)人體區(qū)域腐蝕/膨脹算法后自上向下分別提取其發(fā)型、眉毛、眼睛、臉型、
衣服等數(shù)據(jù)將這些數(shù)據(jù)值分別存儲(chǔ)在特定的矩陣?yán)锖蛥⒖季仃囅啾容^,最終得出適當(dāng)?shù)膮?br>
考分?jǐn)?shù)值,用液晶顯示器顯示出來。如果臉色和參考的臉色相差值太大則輸出生病報(bào)警語
音信息。 當(dāng)前人體特征矩和參考特征矩相比較,發(fā)型占16%分值,8卩16分,笑臉占18%分 值,即18分,眉毛形狀、眼睛形狀、臉色、臉的輪廓分別占8%的分值,即32分,衣服的模糊樣式占16%分值,8卩16分,整體結(jié)合特征占18%分值,8卩18分。
具體操作 當(dāng)人站在鏡子面前時(shí),系統(tǒng)會(huì)調(diào)用默認(rèn)的普通人形象標(biāo)準(zhǔn)來和此人作比較,當(dāng)此 人想以某職業(yè)的身份作為參考時(shí),可以由鍵盤輸入選擇,按確定鍵,系統(tǒng)即輸出分?jǐn)?shù)值。
權(quán)利要求
一種對(duì)人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),包括下列步驟(1)人體有無的判斷;(2)圖像采集,并對(duì)采集的模擬視頻圖像進(jìn)行數(shù)字化轉(zhuǎn)換;(3)圖像預(yù)處理;(4)圖像背景提取和更新;(5)人體圖像分析;(6)人體圖像評(píng)估;其特征在于在所述的人體分析過程中,對(duì)人體區(qū)域進(jìn)行腐蝕/膨脹運(yùn)算,提取人體有效特征矩陣。
2. 如權(quán)利要求1所述的人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),其特征在于人體 分析中,還包括下列步驟(1) 分別對(duì)背景圖像和前景圖像用SOBEL算子進(jìn)行邊緣檢測(cè),對(duì)得出的背景邊緣和前 景邊緣的差差圖進(jìn)行全局域值分割,形成初步邊緣人體區(qū)域;(2) 分別對(duì)背景圖像和前景圖像進(jìn)行增強(qiáng),對(duì)兩者的差圖進(jìn)行類間方差域值分割,形成 初步人體區(qū)域;(3) 將所述初步邊緣人體區(qū)域和初步人體區(qū)域進(jìn)行融合,得出所述的人體區(qū)域;(4) 對(duì)人體區(qū)域進(jìn)行腐蝕/膨脹算法后由上到下的當(dāng)前人體特征提取,提取出來的當(dāng) 前人體特征矩包括發(fā)型、眉毛形狀、眼睛形狀、臉色、臉的輪廓、笑臉、衣服的模糊樣式和整 體結(jié)合特征;
3. 如權(quán)利要求1所述的人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),其特征在于所述 的人體分析中特征和參考矩陣包括下列全部特征發(fā)型、眉毛眼睛形狀、臉色、臉的輪廓、笑 臉、衣服的模糊樣式和整體結(jié)合特征;
4. 如權(quán)利要求1所述的人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),其特征在于在人 體面部顏色變化很大的時(shí)候,提醒人們有可能生病注意身體等語音信息。
5. 如權(quán)利要求1所述的人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),其特征在于圖像 預(yù)處理包括對(duì)圖像進(jìn)行噪聲平滑,采用平均的方法進(jìn)行噪聲判斷和去除,當(dāng)一些點(diǎn)和他的 領(lǐng)域內(nèi)的點(diǎn)的灰度的平均值差不超過規(guī)定的閥值T時(shí),就仍然保留其原始灰度值不變,如 果大于閥值T時(shí)就用他的平均值代替該點(diǎn)的灰度值。
全文摘要
本發(fā)明涉及一種對(duì)人體形象分析和客觀地評(píng)估人體形象的系統(tǒng),該方法包括人體有無的判斷、圖像采集、圖像預(yù)處理、圖像背景提取和更新、人體圖像分析、人體圖像評(píng)估。在人體分析過程中對(duì)得出的背景圖像和前景圖像邊緣區(qū)域的差圖進(jìn)行全區(qū)域分割,得到初步人體邊緣區(qū)域,對(duì)增強(qiáng)后的背景圖像和前景圖像進(jìn)行類間方差分割,得到初步人體區(qū)域,在融合的基礎(chǔ)上形成人體區(qū)域,對(duì)人體區(qū)域進(jìn)行腐蝕/膨脹運(yùn)算后提取人體特征矩陣,用得出的特征矩陣和參考的特征矩陣相比較得出人體形象的評(píng)分值。該系統(tǒng)主要由鏡子、攝像頭和微型計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)本方法,可用于娛樂、家庭、辦公樓等有鏡子的場(chǎng)合。
文檔編號(hào)G06T7/00GK101706955SQ20091017322
公開日2010年5月12日 申請(qǐng)日期2009年9月11日 優(yōu)先權(quán)日2009年9月11日
發(fā)明者李和平, 殷振康, 韋修實(shí) 申請(qǐng)人:桂林康實(shí)電子科技有限公司