專利名稱：基于支持向量機的人臉兩顴顏色分類的方法
技術(shù)領域：
本發(fā)明涉及一種基于支持向量機的人臉兩顴顏色分類的方法，屬于模式識別和圖像處理領域。
背景技術(shù)：
中醫(yī)基本方法有四種，即望、聞、問、切，而在望診里，一個人的兩顴顏色能反映出他的健康狀況，臨床上一般將兩顴顏色分為紅和非紅兩類。兩顴紅是指人臉面部兩顴泛紅，泛紅現(xiàn)象主要是由皮膚下的紅血絲引起的，中醫(yī)認為兩顴發(fā)紅多屬陰虛有內(nèi)熱之象。一般顴色是指顴骨部位的面色，若其上面有明顯的紅血絲分布，則將其判為兩顴紅，否則為兩顴非紅。傳統(tǒng)的兩顴顏色判斷方法主要依靠醫(yī)生目視觀察進行判斷分析，其診斷結(jié)果受知識水平、思維能力、診斷技能等人為主觀因素以及光照、溫度等環(huán)境客觀因素的影響，缺乏客觀評價依據(jù)。因此，對兩顴顏色判斷存在主觀性強、且重復性差。發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)存在的不足，提出一種基于支持向量機的人臉兩顴顏色分類的方法，該方法采用支持向量機作為分類器，以像素點的R、G、B值為特征向量， 利用計算機模擬中醫(yī)專家對兩顴顏色進行識別，進而克服傳統(tǒng)兩顴顏色識別主觀性強、可重復性差的缺點。
為了達到上述目的，本發(fā)明采用下述技術(shù)方案。
本發(fā)明的基于支持向量機的人臉兩顴顏色分類的方法，該方法包括如下步驟(1)建立兩顴顏色訓練樣本集；(2)構(gòu)建兩顴顏色分類器；(3)利用兩顴顏色分類器識別，判斷待識別的兩顴圖像是否屬于紅類兩顴圖像或非紅類兩顴圖像。
上述步驟(I)所述的建立兩顴顏色訓練樣本集，其具體步驟如下(11)、用Graphcut分割算法對人臉照片進行兩顴分割，得到若干幅兩顴圖像，識別所有兩顴圖像的兩顴顏色，將所有已識別的兩顴圖像的兩顴顏色分為紅類兩顴顏色和非紅類兩顴顏色，保存到兩顴圖像庫；(12)、采用圖像處理軟件photoshop對兩顴圖像庫中的兩顴圖像進行分塊，該分塊的大小為8*8像素分塊；(13)、分別對每一兩顴圖像分塊提取每塊內(nèi)所有像素點的R、G、B值，由各像素點的R、 G、B值構(gòu)成特征向量，再由各特征向量構(gòu)成兩顴顏色訓練樣本集；上述步驟(2)所述的構(gòu)建兩顴顏色分類器，其具體步驟如下(21)、將步驟(I)得到的兩顴顏色訓練樣本集輸入支持向量機；(22)、對兩顴顏色訓練樣本集進行訓練，得到訓練模型，由該訓練模型構(gòu)建成兩顴顏色分類器；上述步驟(3)所述的利用兩顴顏色分類器識別，判斷待識別的兩顴圖像是否屬于紅類兩顴圖像或非紅類兩顴圖像，其具體步驟如下(31)、利用Graphcut分割算法對人臉照片進行兩顴分割，得到若干幅待識別兩顴圖(32)、將上述每一幅待識別兩顴圖像按照圖像像素設定的大小分成若干分塊，該分塊的大小為8*8像素分塊；(33)、分別對上述每一幅待識別兩顴圖像分塊提取每一塊內(nèi)所有像素點的R、G、B值， 由每一塊內(nèi)所有各像素點的R、G、B值構(gòu)成與其對應的待識別兩顴圖像分塊的特征向量，再由上述所有每一幅待識別兩顴圖像分塊的特征向量構(gòu)成待識別兩顴圖像的特征向量；(34)、將步驟(33)得到待識別兩顴圖像的特征向量輸入到步驟(2)中所述的兩顴顏色分類器，統(tǒng)計出每一幅待識別兩顴圖像中兩顴顏色紅類塊和兩顴顏色非紅類塊；(35)、設置一個待識別每幅兩顴圖像中兩顴顏色紅類塊占該幅兩顴圖像所有分塊的比例值為識別閾值，具體步驟如下(351)、將步驟(11)所述的兩顴圖像庫中的所有兩顴圖像按照每一幅兩顴圖像像素設定的大小分成若干8*8的像素塊；(352)、分別對每一幅兩觀圖像分塊提取每一塊內(nèi)所有像素點的R、G、B值，由每一塊內(nèi)所有像素點的R、G、B值構(gòu)成與其對應的兩顴圖像分塊的特征向量，再由每一幅兩顴圖像分塊的特征向量構(gòu)成該幅兩顴圖像的特征向量；(353)、將上述每一幅兩顴圖像的特征向量輸入到步驟(2)中所述的兩顴顏色分類器， 統(tǒng)計出每一幅兩顴圖像中的兩顴顏色紅類塊和兩顴顏色非紅類塊；(354)、由步驟(353)的輸出，統(tǒng)計出每幅兩顴圖像中紅類塊占該幅兩顴圖像所有塊的比例。從所有兩顴圖像的紅類塊比例中選取出一個合適的比例值當作識別閾值。
(36)、判斷每一幅待識別兩顴圖像中兩顴顏色紅類分塊占該幅兩顴圖像所有分塊的比例是否大于或等于識別閾值，若識別兩顴圖像中兩顴顏色紅類塊占該幅兩顴圖像所有分塊的比例值大于或等于識別閾值，則將該幅待識別兩顴圖像判為紅類兩顴圖像；否則將該幅待識別兩顴圖像判為非紅類兩顴圖像。
本發(fā)明的基于支持向量機的人臉兩顴顏色分類的方法與傳統(tǒng)中醫(yī)目測觀察兩顴顏色的方法相比具有的優(yōu)點在于該方法采用支持向量機作為分類器，以像素點的R、G、B 值為特征向量，利用計算機模擬中醫(yī)專家對兩顴顏色進行識別，具有可重復性；該方法在識別階段采用閾值判斷的方法，使得兩顴顏色的判斷機制更加簡潔、直觀和公正；模擬中醫(yī)對兩顴顏色進行識別，克服中醫(yī)目測觀察兩顴顏色的主觀性強、重復性差的缺點；該方法是對中醫(yī)兩顴顏色識別經(jīng)驗的總結(jié)和繼承。


圖I為本發(fā)明的基于支持向量機的人臉兩顴顏色分類的方法的總流程框圖；圖2a為本發(fā)明的基于支持向量機的人臉兩顴顏色分類的方法識別的一幅兩顴圖像中的人臉左邊顴色圖像；圖2b為本發(fā)明的基于支持向量機的人臉兩顴顏色分類的方法識別的一幅兩顴圖像中的人臉右邊顴色圖像；圖3為圖I中步驟(35)所述的設定閾值的流程圖。
具體實施方式
以下結(jié)合附圖I對本發(fā)明的實施例作進一步的詳細說明。
本實施例以本發(fā)明的技術(shù)方案為前提進行實施如圖I所示，本發(fā)明的基于支持向量機的人臉兩顴顏色分類的方法，其具體步驟如下(1)、建立兩顴顏色訓練樣本集(11)、采用Graphcut分割算法對36幅人臉照片進行兩顴分割，得到若干幅兩顴圖像， 識別所有兩顴圖像的兩顴顏色，將已識別的所有兩顴圖像的兩顴顏色分為紅類兩顴顏色和非紅類兩顴顏色；(12)、采用圖像處理軟件photoshop對兩顴圖像庫中的36幅兩顴圖像進行分塊,該分塊的大小設定為8*8像素分塊，實施例中，得到紅類像素分塊440個，非紅類像素分塊360 個。
(13)、分別對每一兩顴圖像分塊提取每塊內(nèi)所有像素點的R、G、B值，由各像素點的R、G、B值構(gòu)成特征向量，再由各特征向量構(gòu)成兩顴顏色訓練樣本集每一個8*8的像素分塊，由分塊中64個像素的R、G、B值構(gòu)成該塊的特征向量，則每個像素分塊的特征向量具有192維特征，其表達式為(為邛為鳥G2為6+負4為4) ⑴(2)、構(gòu)建兩顴顏色分類器，其具體步驟如下(21)、將步驟(I)得到的兩顴顏色訓練樣本集輸入支持向量機；實施例中，采用LIBSVM軟件包作為分類工具，以徑向基函數(shù)為核函數(shù)，其中，最優(yōu)懲罰參數(shù)C為8.0，徑向基函數(shù)中的參數(shù)0等于0.00012。
(22)、對兩顴顏色訓練樣本集進行訓練，得到訓練模型，由該訓練模型構(gòu)建成兩顴顏色分類器。
(3)、利用兩顴顏色分類器識別，判斷待識別的兩顴圖像是否屬于紅類兩顴圖像或非紅類兩顴圖像，其具體步驟如下(31)、利用Graphcut分割算法對34幅人臉照片進行兩顴分割，得到若干幅待識別兩顴圖像，例如34幅兩顴圖像；(32)、將上述每一幅待識別兩顴圖像按照圖像像素設定的大小分成若干分塊，該分塊大小為8*8像素分塊；實施例中，這34幅兩顴圖像，每幅兩顴圖像可分成2000塊左右的8*8像素分塊。
(33)、分別對上述每一幅待識別兩顴圖像分塊提取每一塊內(nèi)所有像素點的R、G、 B值，由每一塊內(nèi)所有各像素點的R、G、B值構(gòu)成與其對應的待識別兩顴圖像分塊的特征向量，再由上述所有每一幅待識別兩顴圖像分塊的特征向量構(gòu)成待識別兩顴圖像的特征向每一分塊的特征向量也是一個192維的特征向量，同公式(I)。
(34)、將步驟(33)得到待識別兩顴圖像的特征向量輸入到步驟(2)中所述的兩顴顏色分類器，統(tǒng)計出每一幅待識別兩顴圖像中兩顴顏色紅類塊和兩顴顏色非紅類塊；(35)、設置待識別每幅兩顴圖像中兩顴顏色紅類塊占該幅兩顴圖像所有分塊的比例值為識別閾值，具體步驟如下(351)、將步驟(11)所述的兩顴圖像庫中的所有兩顴圖像按照每一幅兩顴圖像像素設定的大小分成若干8*8的像素塊；(352)、分別對每一幅兩觀圖像分塊提取每一塊內(nèi)所有像素點的R、G、B值，由每一塊內(nèi)所有像素點的R、G、B值構(gòu)成與其對應的兩顴圖像分塊的特征向量，再由每一幅兩顴圖像分塊的特征向量構(gòu)成該幅兩顴圖像的特征向量；(353)、將上述每一幅兩顴圖像的特征向量輸入到步驟(2)中所述的兩顴顏色分類器， 統(tǒng)計出每一幅兩顴圖像中的兩顴顏色紅類塊和兩顴顏色非紅類塊；(354)、由步驟(353)的輸出，統(tǒng)計出每幅兩顴圖像中紅類塊占該幅兩顴圖像所有塊的比例。從所有兩顴圖像的紅類塊比例中選取出一個合適的比例值當作識別閾值。
(36)、判斷每一幅待識別兩顴圖像中兩顴顏色紅類分塊占該幅兩顴圖像所有分塊的比例是否大于或等于識別閾值，若識別兩顴圖像中兩顴顏色紅類塊占該幅兩顴圖像所有分塊的比例值大于或等于識別閾值，則將該幅待識別兩顴圖像判為紅類兩顴圖像；否則將該幅待識別兩顴圖像判為非紅類兩顴圖像。
例如，本實施例中識別閾值選取為50%，圖2所示的兩顴圖像的識別比例結(jié)果為 92. 4779%，該比例結(jié)果大于識別閾值，因此將該兩顴圖像識別為兩顴紅圖像。34幅兩顴圖像的分類結(jié)果如下表所示，最終兩顴顏色分類結(jié)果為82. 35%。
表I34幅兩顴圖像的分類結(jié)果
權(quán)利要求
1.一種基于支持向量機的人臉兩顴顏色分類的方法，其特征在于包括如下步驟(1)、建立兩顴顏色訓練樣本集；(2)、構(gòu)建兩顴顏色分類器；(3)、利用兩顴顏色分類器識別，判斷待識別的兩顴圖像是否屬于紅類兩顴圖像或非紅類兩顴圖像。
2.根據(jù)權(quán)利要求I所述的基于支持向量機的人臉兩顴顏色分類的方法，其特征在于， 上述步驟(I)所述的建立兩顴顏色訓練樣本集，其具體步驟如下(11)、用Graphcut分割算法對人臉照片進行兩顴分割，得到若干幅兩顴圖像，識別所有兩顴圖像的兩顴顏色，將所有已識別的兩顴圖像的兩顴顏色分為紅類兩顴顏色和非紅類兩顴顏色，保存到兩顴圖像庫；(12)、采用圖像處理軟件photoshop對兩顴圖像庫中的兩顴圖像進行分塊，該分塊的大小為8*8像素分塊；(13)、分別對每一兩顴圖像分塊提取每塊內(nèi)所有像素點的R、G、B值，由各像素點的R、 G、B值構(gòu)成特征向量，再由各特征向量構(gòu)成兩顴顏色訓練樣本集。
3.根據(jù)權(quán)利要求I所述的基于支持向量機的人臉兩顴顏色分類的方法，其特征在于， 上述步驟(2)所述的構(gòu)建兩顴顏色分類器，其具體步驟如下(21)、將步驟(I)得到的兩顴顏色訓練樣本集輸入支持向量機；(22)、對兩顴顏色訓練樣本集進行訓練，得到訓練模型，由該訓練模型構(gòu)建成兩顴顏色分類器。
4.根據(jù)權(quán)利要求I所述的基于支持向量機的人臉兩顴顏色分類的方法，其特征在于， 上述步驟(3)所述的利用兩顴顏色分類器識別，判斷待識別的兩顴圖像是否屬于紅類兩顴圖像或非紅類兩顴圖像，其具體步驟如下(31)、利用Graphcut分割算法對人臉照片進行兩顴分割，得到若干幅待識別兩顴圖(32)、將上述每一幅待識別兩顴圖像按照圖像像素設定的大小分成若干分塊，該分塊的大小為8*8像素分塊；(33)、分別對上述每一幅待識別兩顴圖像分塊提取每一塊內(nèi)所有像素點的R、G、B值， 由每一塊內(nèi)所有各像素點的R、G、B值構(gòu)成與其對應的待識別兩顴圖像分塊的特征向量，再由上述所有每一幅待識別兩顴圖像分塊的特征向量構(gòu)成待識別兩顴圖像的特征向量；(34)、將步驟(33)得到待識別兩顴圖像的特征向量輸入到步驟(2)中所述的兩顴顏色分類器，統(tǒng)計出每一幅待識別兩顴圖像中兩顴顏色紅類塊和兩顴顏色非紅類塊；(35)、設置一個待識別每幅兩顴圖像中兩顴顏色紅類塊占該幅兩顴圖像所有分塊的比例值為識別閾值，具體步驟如下(351)、將步驟(11)所述的兩顴圖像庫中的所有兩顴圖像按照每一幅兩顴圖像像素設定的大小分成若干8*8的像素塊；(352)、分別對每一幅兩觀圖像分塊提取每一塊內(nèi)所有像素點的R、G、B值，由每一塊內(nèi)所有像素點的R、G、B值構(gòu)成與其對應的兩顴圖像分塊的特征向量，再由每一幅兩顴圖像分塊的特征向量構(gòu)成該幅兩顴圖像的特征向量；(353)、將上述每一幅兩顴圖像的特征向量輸入到步驟(2)中所述的兩顴顏色分類器，統(tǒng)計出每一幅兩顴圖像中的兩顴顏色紅類塊和兩顴顏色非紅類塊；(354)、由步驟(353)的輸出，統(tǒng)計出每幅兩顴圖像中紅類塊占該幅兩顴圖像所有塊的比例；從所有兩顴圖像的紅類塊比例中選取出一個合適的比例值當作識別閾值；(36)、判斷每一幅待識別兩顴圖像中兩顴顏色紅類分塊占該幅兩顴圖像所有分塊的比例是否大于或等于識別閾值，若識別兩顴圖像中兩顴顏色紅類塊占該幅兩顴圖像所有分塊的比例值大于或等于識別閾值，則將該幅待識別兩顴圖像判為紅類兩顴圖像；否則將該幅待識別兩顴圖像判為非紅類兩顴圖像。
全文摘要
本發(fā)明公開了一種基于支持向量機的人臉兩顴顏色分類的方法，其步驟如下(1)建立兩顴顏色訓練樣本集；(2)利用支持向量機對兩顴顏色訓練樣本集進行訓練，構(gòu)建兩顴顏色分類器；(3)利用兩顴顏色分類器識別，判斷待識別的兩顴圖像是否屬于紅類兩顴圖像或非紅類兩顴圖像。該方法采用支持向量機作為分類器，以像素點的R、G、B值為特征向量，利用計算機模擬中醫(yī)專家對兩顴顏色進行識別，具有可重復性；該方法在識別階段采用閾值判斷的方法，使得兩顴顏色的判斷機制更加簡潔、直觀和公正；模擬中醫(yī)對兩顴顏色進行識別，克服中醫(yī)目測觀察兩顴顏色的主觀性強、重復性差的缺點；該方法是對中醫(yī)兩顴顏色識別經(jīng)驗的總結(jié)和繼承。
文檔編號G06K9/00GK102542253SQ20111037405
公開日2012年7月4日 申請日期2011年11月23日 優(yōu)先權(quán)日2011年11月23日
發(fā)明者張煌, 李曉強, 李福鳳, 汪晶晶, 范華付, 趙洋洋, 鄭莉麗, 閆西平, 閔彥榮 申請人:上海大學