一種適用於心理學的面部識別方法及裝置與流程
2023-10-09 09:58:24 1
本發明屬於信息處理技術領域，尤其涉及一種適用於心理學的面部識別方法及裝置。
背景技術：
心理學和哲學是教育學的兩大理論基礎，面部表情作為心理學領域的重要概念，亟待引入教育領域。高度信息化是未來課堂教學的發展趨勢，面部識別能夠為課堂管理、教學評價等提供更為科學、準確的依據。將面部識別應用於課堂教學之中，不僅可以幫助教師從面部表情體察學生的內心狀態,而且還可在調動課堂氛圍、靈活教育教學、創新教學管理層面發揮積極的效用。比如，課堂人數多，一一點名會浪費較多課堂時間，可以通過面部識別快速記錄考勤。在心理學課堂中植入面部識別，結合課堂內容讓學生進行面部識別的趣味教學，可以增加課堂的互動性。再比如，有些心理學實驗測試需要讓受試者看、聽或者回答某些問題並觀察其反應的，而正常的面對面的進行實驗則會受到對方面部表情的影響，可以通過面部識別自動收集特徵數據。但是，無論是心理學課堂上面部識別系統的趣味教學，還是心理學實驗測試數據的收集，都需要對面部表情進行精確識別以及表情劃分，而現有的智能面部識別技術主要是針對人臉的識別確認，除了用於記錄考勤，無法進行自適應面部的精確識別，導致利用面部識別進行心理學測試與分析的準確率較低。
技術實現要素：
有鑑於此，本發明實施例提供了一種適用於心理學的面部識別方法及裝置，以解決現有技術無法進行自適應面部的精確識別，從而導致利用面部識別進行心理學測試與分析的準確率較低。
本發明實施例是這樣實現的，一種適用於心理學的面部識別方法，所述面部識別方法包括：
接收用戶輸入的模式選擇指令，根據所述模式選擇指令，查找所選擇的模式所對應的系統參數；
根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像；
基於所述目標人臉的特徵圖像，提取特徵參數；
根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果。
本發明實施例的另一目的在於提供一種適用於心理學的面部識別裝置，所述面部識別裝置包括：
模式確定單元，用於接收用戶輸入的模式選擇指令，根據所述模式選擇指令，查找所選擇的模式所對應的系統參數；
特徵圖像獲取單元，用於根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像；
特徵參數提取單元，用於基於所述目標人臉的特徵圖像，提取特徵參數；
面部識別單元，用於根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果。
本發明實施例與現有技術相比存在的有益效果是：本發明實施例通過接收用戶輸入的模式選擇指令確定用戶需求，並根據所述模式選擇指令，查找所選擇的模式所對應的系統參數，然後根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像，基於所述目標人臉的特徵圖像，提取特徵參數，最後根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果，可實現自適應面部表情的精確識別，從而提高用戶利用面部識別進行心理學研究測試與分析的準確率。用戶除了利用面部識別記錄考勤，還能利用面部識別進行心理學測試與分析，增加面部識別使用的多樣性，提高用戶體驗。
附圖說明
為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1是本發明實施例提供的一種適用於心理學的面部識別方法的實現流程圖；
圖2是本發明實施例提供的特徵點示意圖；
圖3是本發明實施例提供的一種適用於心理學的面部識別裝置的結構框圖。
圖4為本發明實施例提供的一種智能終端的結構示意圖。
具體實施方式
以下描述中，為了說明而不是為了限定，提出了諸如特定系統結構、技術之類的具體細節，以便透徹理解本發明實施例。然而，本領域的技術人員應當清楚，在沒有這些具體細節的其它實施例中也可以實現本發明。在其它情況中，省略對眾所周知的系統、裝置、電路以及方法的詳細說明，以免不必要的細節妨礙本發明的描述。
為了說明本發明所述的技術方案，下面通過具體實施例來進行說明。
實施例一：
圖1示出了本發明實施例提供的一種適用於心理學的面部識別方法的流程圖，詳述如下：
步驟s101，接收用戶輸入的模式選擇指令，根據所述模式選擇指令，查找所選擇的模式所對應的系統參數。
在本發明實施例中，根據用戶使用面部識別的目的不同，提供多種面部識別的模式，例如考勤模式，表情模式以及心理研究模式等，因此所述模式選擇指令包括：考勤模式選擇指令、表情識別模式選擇指令以及心理研究模式選擇指令。所述系統參數包括圖像顯示亮度、像素、採集速率、水平方位角、垂直方位角、軸向間距以及攝像頭網絡地址。考勤模式是通過面部識別快速記錄考勤，並不要求精確識別面部表情。在表情模式下，是通過面部識別獲取用戶的面部表情，例如，判斷用戶當下的表情是「笑臉」還是「哭臉」，需要識別面部表情。而心理研究模式是針對某些心理學反饋實驗的自動收集，有些心理學的實驗測試需要讓受試者看、聽或者回答某些問題並觀察其反應的，為儘可能準確的獲取受試者面部表情變化特徵，心理研究模式需要通過面部識別精確識別表情。即，不同模式對系統的要求不同，不同模式對應的系統參數也不同。例如，考勤模式下的採集速率要低於表情識別模式下的採集速率，心理研究模式下對採集速率的要求最高更高。因此，需根據用戶輸入的模式選擇指令，查找所選擇的模式所對應的系統參數，以便進行系統設置。
步驟s102，根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像。
具體地，進行圖像採集前，根據步驟s101中查找的系統參數進行系統設置後，進行圖像採集和處理。在本發明實施例中，使用帶有web服務功能的攝像頭，該攝像頭能以水平和垂直兩種方式旋轉，其中水平轉角為270度，垂直轉角為120度，攝像頭通過水平旋轉和垂直旋轉的組合可以精確對準人臉。該攝像頭採用cmos的圖像傳感器，並且能支持tcp/ip等基本協議。
可選地，為了便於獲取人臉的特徵圖像，需對採集的圖像進行背景分離處理，因此，所述步驟s102包括：
a1、根據所述系統參數進行圖像採集，在所採集的圖像中定位目標人臉所在的區域。
a2、將所述目標人臉所在的區域的圖像與所述目標人臉之外的背景圖像分離，得到背景分離後的目標人臉的圖像。具體地，可採用adaboost方法進行背景分離。
a3、將背景分離後的目標人臉的圖像進行預處理，獲取目標人臉的特徵圖像。
可選地，為了獲取更為準確的人臉的特徵圖像，所述a3具體包括：
a31、對背景分離後的目標人臉的圖像，採用中值濾波方法消除噪聲點。
a32、對消除噪聲點後的目標人臉的圖像進直方圖均衡處理以及圖像平滑處理。其中，直方圖均衡處理是把對消除噪聲點後的目標人臉圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度範圍內的均勻分布。直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度範圍內的像素數量大致相同。在本發明實施例中，採用低通濾波器來對圖像進行平滑處理，例如，巴特渥茲(butterword)低通濾波器。
a33、對經過直方圖均衡處理以及圖像平滑處理的圖像進行圖像灰度轉化。
具體地，在採用線性變化的方法在圖像平滑處理後再次進行圖像灰度轉化。假設圖像經過步驟a32中的平滑處理後圖像f(x,y)的灰度範圍是[m，n]，圖像通過線性變化後的灰度範圍是[0,p]，圖像灰度轉化公式如下：
a34、對經過灰度轉化的圖像進行圖像歸一化以及光線補償處理，獲取目標人臉的特徵圖像。具體地，圖像光度歸一化和光度補償採用均衡圖像灰度總體能量的方法，即保持所有輸入圖像的總體能力一致。例如，假設經過灰度轉化的圖像f0(x,y)含有n個圖像點，則任意其他圖像f(x,y)都給予一個增益係數g以調整亮度，增益係數g的表達式如下：
本發明實施例中，通過將所述目標人臉所在的區域的圖像與所述目標人臉之外的背景圖像分離，得到背景分離後的目標人臉的圖像，減少了需處理的圖像，再根據對背景分離後的目標人臉的圖像，採用中值濾波方法消除噪聲點，通過對消除噪聲點後的目標人臉的圖像進直方圖均衡處理，提高圖像的對比度，通過圖像平滑處理改善圖像質量，通過圖像歸一化處理去除光照和陰影影響，通過光線補償抵消圖像中存在的色彩偏差，通過上述處理，生成目標人臉的特徵圖像，以便後續的特徵提取。
可選地，為了提高面部識別的準確性，在所述步驟s102之前，包括：
b1、圖像預採集；
b2、根據預採集的圖像進行邊緣提取，獲取目標人臉的左邊緣位置、右邊緣位置、上邊緣位置與下邊緣位置；
b3、基於所述左邊緣位置、所述右邊緣位置、所述上邊緣位置與所述下邊緣位置，計算所述目標人臉的臉部中心位置；
b4、基於所述臉部中心位置，調整攝像頭方位。
具體地，對預採集的圖像進行背景分離，將背景去除，同樣可採用adaboost方法進行背景分離，然後使用基於斜向偏查分梯度計算的roberts算子來得到預採集的圖像的初始面部邊沿，對於預採集的圖像中任意一個像素(a,b)，圖像f(a,b)的roberts算子計算公式如下：
將去除背景後的預採集圖像在水平方向上投影，計算並得到水平灰度頭像曲線(函數)，對曲線進行平滑處理後，求出曲線(函數)上的最大值位置，以這個最大值位置向兩側依次計算曲線不同位置的切線斜率的絕對值，最大的兩個絕對值代表圖像面部左右邊緣位置。然後用同樣的方法把圖像向豎直方向上投影，計算並得到豎直灰度頭像曲線(函數)，對曲線平滑後，求出曲線(函數)上的最大值位置，然後以這個最大值位置向兩側依次計算曲線不同位置的切線斜率的絕對值，最大的兩個位置代表圖像面部上下邊沿位置。假設所記錄的左右位置參數為a1和a2，上下位置參數為b1和b2，則所採集圖像的面部的中心位置用表示，假如我們歸一化圖像的長為m，寬為n，則實際圖像需要移動到的中心位置是攝像頭方位調整向量是即，攝像頭根據該方位調整向量進行調整，由此實現採集校準及面部居中調整。進一步地，在實際調整過程中，我們會多次計算面部的中心位置，直到攝像頭方位調整的向量小於預設閾值時，方位調整結束，固定攝像頭方位。
步驟s103，基於所述目標人臉的特徵圖像，提取特徵參數。
具體地，根據步驟s102中通過採集和處理獲取的特徵圖像，進行特徵提取，獲取特徵參數，所述特徵參數包括距離參數、幾何參數以及分布參數。其中，所述距離參數包括垂直邊沿距離參數、水平邊沿距離參數與兩眼距離參數。所述幾何參數為所述特徵圖像輪廓的幾何特徵參數，包括眼睛傾斜度參數與臉部曲率參數等。所述分布參數為計算所述特徵圖像中特徵點的位置的參數。如圖2所示，本發明實施例中選取的特徵點包括：眉間點、鼻根上點、鼻尖點、鼻根下點、唇上點、唇下點以及下巴突點。
步驟s104，根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果。
在本發明實施例中，所述步驟s104包括：
c1、根據選擇的模式所對應的系統參數，將所述特徵參數送入分類器，進行分類訓練並輸出各個類別的識別結果。
c2、基於各個類別的識別結果，生成面部識別結果。
具體地，將距離參數、幾何參數和分布參數等特徵參數送入分類器進行分類訓練。進一步地，在不同模式下，距離參數、幾何參數和分布參數的權重不同。根據用戶選擇的模式所對應的系統參數給特徵參數加權，再將加權後的特徵參數送入分類器進行分類訓練並輸出各個類別的識別結果，最後基於各個類別的識別結果，生成面部識別結果。例如，考勤模式下，輸出與預存人臉的匹配結果，表情模式下，與預存表情類型進行匹配，並輸出當前目標人臉的表情類型，在心理研究模式下，輸出心理測試與分析的結果。本發明實施例中，分類訓練中可採用聚類算法，例如，k-means聚類算法。
本發明第一實施例中，通過接收用戶輸入的模式選擇指令確定用戶需求，並根據所述模式選擇指令，查找所選擇的模式所對應的系統參數，然後進行圖像預採集，基於預採集的圖像進行採集校準，提高圖像採集的質量與準確率。再根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像，基於所述目標人臉的特徵圖像，提取特徵參數，最後根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果，可實現自適應面部表情的精確識別，從而提高用戶利用面部識別進行心理學研究測試與分析的準確率。用戶除了利用面部識別記錄考勤，還能利用面部識別進行心理學測試與分析，增加面部識別使用的多樣性，提高用戶體驗。
實施例二：
對應於上文實施例所述的一種適用於心理學的面部識別方法，圖3示出了本發明實施例提供的一種適用於心理學的面部識別裝置的結構框圖，為了便於說明，僅示出了與本發明實施例相關的部分。
參照圖3，該適用於心理學的面部識別裝置包括：模式確定單元31，特徵圖像獲取單元32，特徵參數提取單元33，面部識別單元34，其中：
模式確定單元31，用於接收用戶輸入的模式選擇指令，根據所述模式選擇指令，查找所選擇的模式所對應的系統參數；
特徵圖像獲取單元32，用於根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像；
特徵參數提取單元33，用於基於所述目標人臉的特徵圖像，提取特徵參數；
面部識別單元34，用於根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果。
可選地，為了便於獲取人臉的特徵圖像，需對採集的圖像進行背景分離處理，因此，所述特徵圖像獲取單元32包括：
目標人臉定位模塊，用於根據所述系統參數進行圖像採集，在所採集的圖像中定位目標人臉所在的區域；
背景分離模塊，用於將所述目標人臉所在的區域的圖像與所述目標人臉之外的背景圖像分離，得到背景分離後的目標人臉的圖像；
特徵圖像獲取模塊，用於將背景分離後的目標人臉的圖像進行預處理，獲取目標人臉的特徵圖像；
可選地，為了獲取更為準確的人臉的特徵圖像，所述特徵圖像獲取模塊包括：
噪聲點消除模塊，用於對背景分離後的目標人臉的圖像，採用中值濾波方法消除噪聲點；
第一圖像處理模塊，用於對消除噪聲點後的目標人臉的圖像進直方圖均衡處理以及圖像平滑處理；
灰度轉化模塊，用於對經過直方圖均衡處理以及圖像平滑處理的圖像進行圖像灰度轉化；
第二圖像處理模塊，用於對經過灰度轉化的圖像採用光度歸一化以及光線補償處理，獲取目標人臉的特徵圖像。
本發明實施例中，通過將所述目標人臉所在的區域的圖像與所述目標人臉之外的背景圖像分離，得到背景分離後的目標人臉的圖像，減少了需處理的圖像，再根據對背景分離後的目標人臉的圖像，採用中值濾波方法消除噪聲點，通過對消除噪聲點後的目標人臉的圖像進直方圖均衡處理，提高圖像的對比度，通過圖像平滑處理改善圖像質量，通過圖像歸一化處理去除光照和陰影影響，通過光線補償抵消圖像中存在的色彩偏差，通過上述處理，生成目標人臉的特徵圖像，以便後續的特徵提取。
可選地，所述面部識別單元34包括：
分類訓練模塊，用於根據選擇的模式所對應的系統參數，將所述特徵參數送入分類器，進行分類訓練並輸出各個類別的識別結果；
結果生成模塊，用於基於各個類別的識別結果，生成面部識別結果。
可選地，為了提高面部識別的準確性，所述面部識別裝置還包括：
預採集單元，用於圖像預採集；
邊緣提取單元，用於根據預採集的圖像進行邊緣提取，獲取目標人臉的上邊緣位置與下邊緣位置；
位置計算單元，用於基於所述上邊緣位置與所述下邊緣位置，計算所述目標人臉的臉部中心位置；
調整單元，用於基於所述臉部中心位置，調整攝像頭方位。
本發明第二實施例中，通過接收用戶輸入的模式選擇指令確定用戶需求，並根據所述模式選擇指令，查找所選擇的模式所對應的系統參數，然後進行圖像預採集，基於預採集的圖像進行採集校準，提高圖像採集的質量與準確率。再根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像，基於所述目標人臉的特徵圖像，提取特徵參數，最後根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果，可實現自適應面部表情的精確識別，從而提高用戶利用面部識別進行心理學研究測試與分析的準確率。用戶除了利用面部識別記錄考勤，還能利用面部識別進行心理學測試與分析，增加面部識別使用的多樣性，提高用戶體驗。
實施例三：
本發明實施例還提供一種智能終端，下面對本發明實施例中的智能終端進行描述，請參閱圖4，本發明實施例中的智能終端400包括：一個或一個以上計算機可讀存儲介質的存儲器401、輸入單元402、顯示單元403、一個或者一個以上處理核心的處理器404、以及電源405等部件。本領域技術人員可以理解，圖4中示出的智能終端結構並不構成對智能終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。其中：
存儲器401可用於存儲軟體程序以及模塊，處理器404通過運行存儲在存儲器401的軟體程序以及模塊，從而執行各種功能應用以及數據處理。存儲器401可主要包括存儲程序區和存儲數據區，其中，存儲程序區可存儲作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等；存儲數據區可存儲根據智能終端400的使用所創建的數據(比如音頻數據、電話本等)等。此外，存儲器401可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁碟存儲器件、快閃記憶體器件、或其他易失性固態存儲器件。相應地，存儲器401還可以包括存儲器控制器，以提供處理器404和輸入單元402對存儲器401的訪問。
輸入單元402可用於接收輸入的數字或字符信息，以及產生與用戶設置以及功能控制有關的鍵盤、滑鼠、操作杆、光學或者軌跡球信號輸入。具體地，輸入單元402包括觸敏表面4021以及其他輸入設備4022。觸敏表面4021，也稱為觸摸顯示屏或者觸控板，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸敏表面4021上或在觸敏表面4021附近的操作)，並根據預先設定的程式驅動相應的連接裝置。可選的，觸敏表面4021可包括觸摸檢測裝置和觸摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，並檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸信息，並將它轉換成觸點坐標，再送給處理器404，並能接收處理器404發來的命令並加以執行。此外，可以採用電阻式、電容式、紅外線以及表面聲波等多種類型實現觸敏表面4021。除了觸敏表面4021，輸入單元402還可以包括其他輸入設備4022。具體地，其他輸入設備4022可以包括但不限於物理鍵盤、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、滑鼠、操作杆等中的一種或多種。
顯示單元403可用於顯示由用戶輸入的信息或提供給用戶的信息以及智能終端400的各種圖形用戶接口，這些圖形用戶接口可以由圖形、文本、圖標、視頻和其任意組合來構成。顯示單元403可包括顯示面板4031，可選的，可以採用液晶顯示器(lcd，liquidcrystaldisplay)、有機發光二極體(oled，organiclight-emittingdiode)等形式來配置顯示面板4031。進一步的，觸敏表面4021可覆蓋顯示面板4031，當觸敏表面4021檢測到在其上或附近的觸摸操作後，傳送給處理器404以確定觸摸事件的類型，隨後處理器404根據觸摸事件的類型在顯示面板4031上提供相應的視覺輸出。雖然在圖4中，觸敏表面4021與顯示面板4031是作為兩個獨立的部件來實現輸入和輸入功能，但是在某些實施例中，可以將觸敏表面4021與顯示面板4031集成而實現輸入和輸出功能。
處理器404是智能終端400的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執行存儲在存儲器401內的軟體程序和/或模塊，以及調用存儲在存儲器401內的數據，執行智能終端400的各種功能和處理數據，從而對智能終端400進行整體監控。可選的，處理器404可包括一個或多個處理核心；優選的，處理器404可集成應用處理器和調製解調處理器，其中，應用處理器主要處理作業系統、用戶界面和應用程式等，調製解調處理器主要處理無線通信。可以理解的是，上述調製解調處理器也可以不集成到處理器404中。
智能終端400還包括給各個部件供電的電源405(比如電池)，優選的，電源可以通過電源管理系統與處理器404邏輯相連，從而通過電源管理系統實現管理充電、放電、以及功耗管理等功能。電源405還可以包括一個或一個以上的直流或交流電源、再充電系統、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意組件。
儘管未示出，智能終端400還可以包括rf(radiofrequency，射頻)電路、傳感器、音頻電路、無線保真(wifi，wirelessfidelity)模塊、攝像頭、藍牙模塊等，在此不再贅述。具體在本實施例中，智能終端400還包括一個或者一個以上程序存儲於存儲器401中，且經配置以由一個或者一個以上處理器404執行述一個或者一個以上程序，其中包含用於執行以下操作的指令：
接收用戶輸入的模式選擇指令，根據所述模式選擇指令，查找所選擇的模式所對應的系統參數；
根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像；
基於所述目標人臉的特徵圖像，提取特徵參數；
根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果。
假設上述為第一種可能的實施方式，則在第一種可能的實施方式作為基礎而提供的第二種可能的實施方式中，所述根據所述系統參數進行圖像採集和處理，得到目標臉部的特徵圖像，包括：
根據所述系統參數進行圖像採集，在所採集的圖像中定位目標人臉所在的區域；
將所述目標人臉所在的區域的圖像與所述目標人臉之外的背景圖像分離，得到背景分離後的目標人臉的圖像；
將背景分離後的目標人臉的圖像進行預處理，獲取目標人臉的特徵圖像。
在上述第二種可能的實施方式作為基礎而提供的第三種可能的實施方式中，所述將背景分離後的目標人臉的圖像進行預處理，獲取目標人臉的特徵圖像，包括：
對背景分離後的目標人臉的圖像，採用中值濾波方法消除噪聲點；
對消除噪聲點後的目標人臉的圖像進直方圖均衡處理以及圖像平滑處理；
對經過直方圖均衡處理以及圖像平滑處理的圖像進行圖像灰度轉化；
對經過灰度轉化的圖像進行圖像歸一化以及光線補償處理，獲取目標人臉的特徵圖像。
在上述第一種可能的實施方式作為基礎而提供的第四種可能的實施方式中，所述根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果，包括：
根據選擇的模式所對應的系統參數，將所述特徵參數送入分類器，進行分類訓練並輸出各個類別的識別結果；
基於各個類別的識別結果，生成面部識別結果。
在上述第一種可能的實施方式或者上述第二種可能的實施方式或者上述第三種可能的實施方式或者上述第四種可能的實施方式作為基礎而提供的第五種可能的實施方式中，在所述進行圖像採集，並對採集的圖像進行圖像處理，獲取目標圖像之前，包括：
圖像預採集；
根據預採集的圖像進行邊緣提取，獲取目標人臉的左邊緣位置、右邊緣位置、上邊緣位置與下邊緣位置；
基於所述左邊緣位置、所述右邊緣位置、所述上邊緣位置與所述下邊緣位置，計算所述目標人臉的臉部中心位置；
基於所述臉部中心位置，調整攝像頭方位。
上述智能終端中可以如上述方法實施例中的智能終端，可以用於實現上述方法實施例中的全部技術方案，其各個功能模塊的功能可以根據上述方法實施例中的方法具體實現，其具體實現過程可參照上述實施例中的相關描述，此處不再贅述。
由上可見，本發明實施例通過接收用戶輸入的模式選擇指令確定用戶需求，並根據所述模式選擇指令，查找所選擇的模式所對應的系統參數，然後根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像，基於所述目標人臉的特徵圖像，提取特徵參數，最後根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果，可實現自適應面部表情的精確識別，從而提高用戶利用面部識別進行心理學研究測試與分析的準確率。用戶除了利用面部識別記錄考勤，還能利用面部識別進行心理學測試與分析，增加面部識別使用的多樣性，提高用戶體驗。
實施例四：
本發明實施例還提供一種計算機可讀存儲介質，具體描述如下：
一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有電腦程式，其特徵在於，所述電腦程式被處理器執行時實現以下步驟：
接收用戶輸入的模式選擇指令，根據所述模式選擇指令，查找所選擇的模式所對應的系統參數；
根據所述系統參數進行圖像採集和處理，得到目標人臉的特徵圖像；
基於所述目標人臉的特徵圖像，提取特徵參數；
根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果。
可選地，所述根據所述系統參數進行圖像採集和處理，得到目標臉部的特徵圖像，包括：
根據所述系統參數進行圖像採集，在所採集的圖像中定位目標人臉所在的區域；
將所述目標人臉所在的區域的圖像與所述目標人臉之外的背景圖像分離，得到背景分離後的目標人臉的圖像；
將背景分離後的目標人臉的圖像進行預處理，獲取目標人臉的特徵圖像。
可選地，所述將背景分離後的目標人臉的圖像進行預處理，獲取目標人臉的特徵圖像，包括：
對背景分離後的目標人臉的圖像，採用中值濾波方法消除噪聲點；
對消除噪聲點後的目標人臉的圖像進直方圖均衡處理以及圖像平滑處理；
對經過直方圖均衡處理以及圖像平滑處理的圖像進行圖像灰度轉化；
對經過灰度轉化的圖像進行圖像歸一化以及光線補償處理，獲取目標人臉的特徵圖像。
可選地，所述根據選擇的模式所對應的系統參數，以及所述特徵參數，進行面部識別，生成面部識別結果，包括：
根據選擇的模式所對應的系統參數，將所述特徵參數送入分類器，進行分類訓練並輸出各個類別的識別結果；
基於各個類別的識別結果，生成面部識別結果。
可選地，在所述進行圖像採集，並對採集的圖像進行圖像處理，獲取目標圖像之前，包括：
圖像預採集；
根據預採集的圖像進行邊緣提取，獲取目標人臉的左邊緣位置、右邊緣位置、上邊緣位置與下邊緣位置；
基於所述左邊緣位置、所述右邊緣位置、所述上邊緣位置與所述下邊緣位置，計算所述目標人臉的臉部中心位置；
基於所述臉部中心位置，調整攝像頭方位。
在本發明實施例中，所述電腦程式被處理器執行時可以實現上述方法實施例中的所有步驟，此處不再贅述。
所屬領域的技術人員可以清楚地了解到，為了描述的方便和簡潔，僅以上述各功能單元、模塊的劃分進行舉例說明，實際應用中，可以根據需要而將上述功能分配由不同的功能單元、模塊完成，即將所述裝置的內部結構劃分成不同的功能單元或模塊，以完成以上描述的全部或者部分功能。實施例中的各功能單元、模塊可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中，上述集成的單元既可以採用硬體的形式實現，也可以採用軟體功能單元的形式實現。另外，各功能單元、模塊的具體名稱也只是為了便於相互區分，並不用於限制本申請的保護範圍。上述系統中單元、模塊的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述或記載的部分，可以參見其它實施例的相關描述。
本領域普通技術人員可以意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬體、或者計算機軟體和電子硬體的結合來實現。這些功能究竟以硬體還是軟體方式來執行，取決於技術方案的特定應用和設計約束條件。專業技術人員可以對每個特定的應用來使用不同方法來實現所描述的功能，但是這種實現不應認為超出本發明的範圍。
在本發明所提供的實施例中，應該理解到，所揭露的裝置和方法，可以通過其它的方式實現。例如，以上所描述的系統實施例僅僅是示意性的，例如，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通訊連接可以是通過一些接口，裝置或單元的間接耦合或通訊連接，可以是電性，機械或其它的形式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。
另外，在本發明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用軟體功能單元的形式實現。
所述集成的單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基於這樣的理解，本發明實施例的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟體產品的形式體現出來，該計算機軟體產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)或處理器(processor)執行本發明實施例各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬碟、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光碟等各種可以存儲程序代碼的介質。
以上所述實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍，均應包含在本發明的保護範圍之內。