一种人脸图像采集的自适应控制方法及其装置的制造方法
【专利说明】-种人脸图像采集的自适应控制方法及其装置
[技术领域]
[0001] 本发明设及一种人脸图像采集的自适应控制方法及其装置。
[【背景技术】]
[0002] 现阶段的自助照相设备主要分为两大类型，第一类是设备中的照相设备只进行上 下移动，把人脸移动到屏幕中上下的中屯、，再经由人对照相设备进行左右调整并在照片符 合证件照的要求时采集照片，运种类型的机器自动化程度不高，依旧需要人工操作，且使用 效率与照相馆的效率相比高不出多少;还有一类机器是把照相设备固定在一个位置，照相 者坐着的凳子进行上下移动，在照片符合证件照的要求时采集照片。运样的机器自动化程 度相对较高，但是有一定的范围，对于过于肥胖的人、老年人W及小孩会出现一定的不适应 性。运两种类型的自助照相设备都需要人为调整正对着摄像头，但运种人工进行调整的方 式是不准确的无法准确保证照片符合证件照的要求。
[
【发明内容】
]
[0003] 本发明克服了上述技术的不足，提供了一种人脸图像采集的自适应控制装置及其 方法，通过水平移动、垂直移动W及左右旋转相机摄像头的方式自动跟随人脸自适应控制 摄像头，可W减少人工纠正的误差，更好地保证了所拍摄出来的照片满足证件照的要求，提 高了使用者的舒适度和满意度。
[0004] 为实现上述目的，本发明采用了下列技术方案：
[0005] -种人脸图像采集的自适应控制装置，包括有机座100,所述机座100上设有至少 两根竖直设置的竖向导轨1，所述机座100上设有竖向传动轴2,所述竖向传动轴2上套设有 沿竖向导轨1竖向滑动的竖向滑块3,所述竖向滑块3之间设有横向导轨4,所述横向导轨4上 设有横向传动轴5,所述横向传动轴5上套设有沿横向导轨4横向滑动的相机搭载台6,所述 相机搭载台6上设有转动电机7,所述转动电机7转轴竖向设置，所述转动电机7转轴上设有 随转轴转动的相机。
[0006] 所述竖向传动轴2上设有竖向传动轴螺纹，所述竖向传动轴2-端设有第一电机8， 所述竖向传动轴2随第一电机8转轴转动，所述竖向滑块3套接处设有与竖向传动轴螺纹配 合随竖向传动轴2转动而使竖向滑块3垂直移动的竖向滑块螺纹。
[0007] 所述横向传动轴4上设有横向传动轴螺纹，所述横向传动轴4 一端设有第二电机9， 所述横向传动轴4随第二电机9转轴转动，所述相机搭载台6套接处设有与横向传动轴螺纹 配合随横向传动轴4转动而使相机搭载台6横向移动的相机搭载台螺纹。
[000引所述机座100上还设有控制器10,所述控制器10连接有第一电机8、第二电机9、设 置于竖向传动轴2另一端的第一编码器11、设置于横向传动轴4另一端的第二编码器12、转 动电机7和相机，所述第一电机8与第一编码器11连接，所述第二电机9与第二编码器12连 接。
[0009] -种人脸图像采集的自适应控制方法，其步骤如下：
[0010] a、控制器10控制相机拍摄初始图像，并输入到控制器10中，设定W初始图像左上 角为原点0'，向右为X'轴正方向，向下为y'轴正方向，建立直角坐标系0'X'y'，在初始图像 直角坐标系/中建立人脸图像直角坐标系化y;
[OCm] b、基于Adaboost算法的人脸检测，检测训练部分中训练强分类器，设定n个训练样 本(xi，yi), . . .，（xi，yi), . .(xn，yn)，yi可取O和l，yi = l代表人脸样本，yi = 0代表非人脸样 本，初始化权重《 :
[0012] 人脸样本的权重
(1)
[0014] 其中m为人脸样本的个数，
[0015] 非人脸样本的权重
(2)
[0017]其中1为非人脸样本的个数，
[001 引对于t = l:T，
[0019]①权重归一化
(3)
[0021] ②筛选出最优的弱分类器11*(祉，91<兩，0〇，其分类错误率为：
[0022] &二孤化也如命完巧桌知，斯，足，砖)-对 !' (4)
[0023] 其中Xk代表一个检测子窗口，Pk指示不等号的方向，fk为特征，0k为阔值。
[0024] ③更新权值
(5)
[0026] 其中gi-si代表分类错误占分类正确的比例，其中ei可取0和1。当ei = 0时，Xi被正确 分类；当Gi=I时，Xi被错误分类，
[0027] 最后的强分类器为：
巧）
[0029] 其中
[0030] C、基于分级方案的人脸眼睛和嘴的定位：
[0031] 基于小波的特征图的特征值的计算，基于小波的特征图中第n个特征值Sal(n)的 计算公式为：
[0033] 其中权重Ok是分配给最大的不同尺度的小波系数，又是互惠的标准差系数，
[0034] 权重Ok的计算公式为：
(8)
[0036] 其中S为最大的小波系数在k层次的数量，W; ./Yn)是在0 < Z < S内的最大系数，
[0037] 基于主成分分析的双眼区域的校对：
[0038] 由于双眼区域是一个矩形区域，所W双眼区域可W看成是由M个列向量组成，表示 ^ 厂 1,厂 2,..,厂M,
[0039] 双眼区域样本的平均值为：
(9)
[0041] 每个双眼区域与平均值的之间的差值为：
[0042] (K= (10)
[0043] 双眼区域的协方差矩阵为：
(11)
[0045] 其中A=[ (61, (62, . . .，4m]，
[0046] 实际中直接计算矩阵C的特征向量的计算量很大，可W通过矩阵AAT的特征向量Vn 的定义来计算：
[0047] A^Avn = ^nVn (12)
[004引对公式（13)两边左乘矩阵A可得：
[0049] AAVn = AAnVn (13)
[0050] 由公式(14)式可知，Avn是矩阵C的特征向量，
[0051 ]于是，可W用特征向量iin来表示成M个样本的线性组合： M
[0052] A =Ek,诚二如" W (14)
[0化3]其中n = l，2, . . .，M，
[0054] 表示为Tl, r 2, . .，rM的双眼区域投影到特征空间中：
[005引 助。二成巧n -W) (15)
[0化6]其中n = l，2, . . .，M，
[0057]双眼区域的每个特征向量的权重组成一个向量：
[005引 QT_{ui,u2,...,0n} (16)
[0059]双眼区域与重构图像之间的平方差为：
[0060] 《HIr"-:r>| =|r。-<y +公'Si 份,,//"I (饥
[0061] 由公式（18)计算平方差就可求出最小重构误差的双眼区域。
[0062] 基于眼睛模板的眼睛和嘴的定位：
[0063] 眼睛模板有S个方块组成，中屯、的黑块代表了在人眼中黑色的瞳孔，表示为B，运 个黑色方块左右两侧为白色方块，分别表示为Wl和W2。
[0064] 用来测量眼睛模板的相似函数SIM的定义为：
(18)
[0066] 其中4^为区域Wi的强度的总和，^为区域W2的强度的总和，Ib为区域B的强度的总 和，e是一个避免分母为零的正数，
[0067] 人脸样本中Q个眼睛模板，最佳的眼睛位置(Xbest，ybest )的定义如下：
[006引 xbest=median(xi,X2, . .XQ) (19)
[0069] ybest=median(yi,y2, . .yg) (20)
[0070] d、人脸图像中偏值的计算：
[0071] 水平偏距和垂直偏距的计算:设人脸图像直角坐标系〇/ /的人脸图像窗口宽为 Wi化hi，高为heighti，初始图像的宽为widths,高为heights,坐标系0巧的原点在坐标系〇/ X' y'为(facex，facey)，坐标系化y相对坐标系0' X' y'的水平偏移量为A W，垂直偏移量为A h，因此最小的水平偏距A Ievelmin和垂直偏距A vedicalmin分别为：
[0074]侧面偏转角度的计算：
[00对设左眼中屯、坐标为(Xi，yi)，右眼中屯、坐标为(X2，y2)，嘴的中屯、坐标为(X3，y3)，两 只眼睛的水平距离为1，垂直距离为d，人脸图像侧面偏转时，鼻子下点水平线与左右两眼睛 内点的距离分别为h和12,鼻子下点水平线与嘴内点的距离为13。
[0076]人脸图像的平面偏转角度a:
[007引鼻子下点与左右两