人脸表情识别在婴儿看护中的应用

李嘉良 范亦凡 展雯慧 黎箐箐 吉林大学软件学院

人脸表情识别在婴儿看护中的应用

李嘉良 范亦凡 展雯慧 黎箐箐 吉林大学软件学院

随着机器学习相关技术的日渐成熟，人脸识别的准确性及稳定性得到可靠保证，被广泛应用到相关行业领域。本文主要分析人脸表情识别的技术流程以及普遍应用到的OpenCV视觉库，并提出其在婴儿看护中的应用。

人脸识别 表情识别 应用

1 引言

在“互联网+”概念风靡全国的背景下，结合计算机领域的前沿技术解决生活中的实际问题成为了创新的主流。而近年来，随着“二胎政策”的放开，我国新生儿数量明显增加，母婴市场的相关需求也随之上涨。在人脸识别技术的准确率能够得到可靠保证的今天，利用该技术实现对婴儿的实时监控，当婴儿出现哭闹等意外情况时，能够发出警报提醒不在旁边的父母，便成为了一个值得尝试的方案。

2 人脸表情识别技术介绍

人脸表情识别是通过从给定的静态图像或动态视频序列中分离出特定的表情状态，从而判断被识别对象心理状态与当前情绪的技术。人脸表情识别由人脸检测、表情特征提取和表情特征分类这几类关键技术组成。

2.1 人脸检测

人脸图像的获取可以依靠取像设备，如笔记本、智能手机等自带的摄像头，或者是独立的摄像设备等实时采集，经过光照补偿和几何归一化等进行修正处理后，以静态图像或者动态视频序列的格式保存在图像库中。目前国内外已经有相当丰富的专业人脸表情图像库，但由于其背景较为单一，所以实际应用的过程中难免会对训练模型产生影响，因此人脸检测不断发展，成为了一个独立的研究方向。

2.2 表情特征提取

人脸表情的特征提取主要是通过数学方法，利用计算机技术对人脸表情的数字数据进行组织和处理，提取相应特征，并进行必要的降噪处理的方法。人脸表情的产生是一个相当复杂的过程，抛开心理因素，环境因素等，我们所要面对处理的就是面部的肌肉运动以及随之改变的面部形体和纹理。表情特征提取算法可以根据表情发生时的状态和处理对象，分为基于静态图像的特征提取方法和基于动态图像的特征提取方法两类。其中，静态图像反应的是做出表情时单幅图像的表情状态，而动态视频序列描述的是表情在多幅图像之间的运动变化过程。基于静态图像的特征提取算法可以分为整体法和局部法，而基于动态视频序列的特征提取算法可分为光流法、模型法和几何法等。

2.3 表情特征分类

特征分类的目的是判断所提取出的表情特征对应的表情类别。在人脸表情识别技术中，表情分为基本表情和动作单元两部分。基本表情一般适用于所有的处理对象，而动作单元主要适用于动态视频序列。根据特征分类算法的时空特点，特征分类算法通常又可分为两类：基于空间分析的方法和基于时空间结合的方法。其中，基于空间分析的方法主要包括近邻法，基于专家规则的方法，神经网络算法、贝叶斯分类算法、SVM算法等；而基于时空间结合的方法主要是隐马尔可夫模型（Hidden Markov Model,HMM算法）。在上述方法中，贝叶斯分类法，SVM算法，HMM算法是表情特征分类中的主要算法。

3 OpenCV介绍

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库。它轻量级且高效，同时提供了Python、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV使用C++语言编写，它的主要接口也是C++语言，为数字图像的处理、计算机视觉技术的应用提供了极大的方便。

OpenCV主体分为5个模块：①CV模块，主要包括图像处理和视觉算法；②MLL模块，主要包括统计分类器；③HighGUI模块，主要包括GUI、图像和视频输入输出；④CxCORE模块，主要包括基本结构和算法，XML支持、绘图函数；⑤CvAux模块，主要包括一些马上就要被淘汰的算法和函数，同时还有一些新出现的算法和函数。

OpenCV的优点主要体现在以下几个方面：①跨平台，可移植性好。由于OpenCV是由中、高层的API构成、所以其能够很好的支持Windows、Linux、MacOSX等操作系统；②运行速度快。OpenCV通过使用优化的C和C++代码，大大提高了运行速度；③源代码公开；④独立性好。OpenCV自带多个函数，不依赖于外部库，能够独立运行，也能够在运行时使用其它的外部库。

4 婴儿看护中的应用

近年来，我国实施“二胎政策”，使得年轻一代的父母生育二胎的比例增加，由于年轻一代父母双方基本均有工作，这在无形中就加剧了他们的精力消耗。这一现状不仅刺激了传统的母婴消费品市场的需求，同时也使得诸如月嫂、保姆这一类行业的需求明显增加。利用人脸识别技术，只需要一个便携的取像设备，能够实时监控婴儿，在将婴儿的各种表情录入系统的表情识别库后，通过识别出婴儿表情的变化，使得当父母不在婴儿身边，而婴儿出现哭闹等异常表情时，及时的向父母发出警报，从而降低婴儿发生意外的概率，便有了较好的应用前景。

5 总结

随着机器学习相关算法的不断完善，人脸识别技术的准确率和可靠性也得到了保证。在移动互联网新媒体盛行的今天，诸如各类美颜相机等也都使用了人脸识别的相关技术，这也充分体现了它在娱乐领域的应用前景，相信随着相关技术的不断提高，其应用前景会更加广阔。

[1]蒋斌,贾克斌,杨国胜人脸表情识别的研究进展[A]计算机科学.2011.4:2,3

[2]秦晓文,温志芳,乔维维基于OpenCV的图像处理[A]电子测试.2011.7:2