專利名稱：笑臉檢測方法及裝置、移動終端的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及笑臉檢測方法及裝置、移動終端。
背景技術(shù)：
隨著移動終端的迅速發(fā)展，用戶對移動終端各個功能模塊的要求越來越高，更多 的渴望將個人電腦或數(shù)碼產(chǎn)品的一些功能運用到移動終端上；照相功能作為一個主要的功 能模塊也不例外，其中頗受廣大用戶好評的笑臉檢測功能也希望能夠在移動終端上得以應(yīng) 用。 但是，發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下不足 現(xiàn)有的笑臉檢測功能算法較為復雜，計算復雜度較高，對檢測設(shè)備的硬件條件要
求較高，有些甚至于需要一些特殊的硬件裝備，因而在一些低端的終端上，例如普通的移動
終端，無法使用該功能。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種笑臉檢測方法，用以降低笑臉檢測的復雜度，該方法包 括 捕捉人臉視頻圖像中唇部的運動信息； 根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。 本發(fā)明實施例還提供一種笑臉檢測裝置，用以降低笑臉檢測的復雜度，該裝置包 括 捕捉模塊，用于捕捉人臉視頻圖像中唇部的運動信息； 檢測模塊，用于根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。 本發(fā)明實施例還提供一種移動終端，用以降低笑臉檢測的復雜度，該移動終端包
括上述笑臉檢測裝置。 本發(fā)明實施例中，捕捉人臉視頻圖像中唇部的運動信息；根據(jù)所述唇部的運動信 息，確定是否檢測到笑臉。本發(fā)明實施例計算的信息量比現(xiàn)有技術(shù)中的笑臉檢測計算整個 人臉的信息量更少，計算相對簡單很多，可達到降低笑臉檢測的復雜度的目的，能夠適應(yīng)于 移動終端硬件處理的低復雜度要求，減少設(shè)備硬件成本，使用范圍廣、局限性較小，可用于 各種帶攝像設(shè)備的移動終端。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)
有技術(shù)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(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可
以根據(jù)這些附圖獲得其他的附圖。在附圖中 圖1為本發(fā)明實施例中笑臉檢測方法的處 流程 圖2為本發(fā)明實施例中唇部的示意圖； 圖3為本發(fā)明實施例中雙重差分算法的處理流程示意圖； 圖4為本發(fā)明實施例中笑臉檢測方法應(yīng)用于移動終端時的處理流程圖； 圖5為本發(fā)明實施例中笑臉檢測裝置的結(jié)構(gòu)示意圖； 圖6、圖7為本發(fā)明實施例中捕捉模塊的結(jié)構(gòu)示意圖； 圖8為本發(fā)明實施例中檢測模塊的結(jié)構(gòu)示意圖。
具體實施例方式
為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面結(jié)合附圖對本發(fā) 明實施例做進一步詳細說明。在此，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，但并 不作為對本發(fā)明的限定。 為了降低笑臉檢測的復雜度，以達到移動終端硬件處理的低復雜度要求，使笑臉 檢測應(yīng)用于各種帶攝像設(shè)備的移動終端，發(fā)明人考慮到，由于人的唇部包含較為豐富的人 臉信息，因此在本發(fā)明實施例中，通過跟蹤唇部的運動信息較為準確的檢測到笑臉，這樣計 算的信息比人臉少，計算相對簡單很多。 如圖1所示，本發(fā)明實施例中，笑臉檢測方法的處理流程可以包括 步驟101、捕捉人臉視頻圖像中唇部的運動信息； 步驟102、根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。 由圖1所示流程可以得知，本發(fā)明實施例中，捕捉人臉視頻圖像中唇部的運動信 息；根據(jù)所述唇部的運動信息，確定是否檢測到笑臉，與現(xiàn)有技術(shù)中的笑臉檢測相比，計算 信息較為人臉少，計算相對簡單很多，可達到降低笑臉檢測的復雜度的目的，能夠適應(yīng)于移 動終端硬件處理的低復雜度要求，減少設(shè)備硬件成本，使用范圍廣、局限性較小，可用于各 種帶攝像設(shè)備的移動終端。 具體實施時，步驟101中捕捉人臉視頻圖像中唇部的運動信息可以有多種實施方
式，只要能夠捕捉到人臉視頻圖像中唇部的運動信息即可。例如可以采用現(xiàn)有的差分方法，
利用差分圖像算法捕捉人臉視頻圖像中唇部的運動信息，實施時可以包括 將人臉視頻圖像中每連續(xù)兩幀圖像進行差分處理，獲得每連續(xù)兩幀圖像的差分圖
像； 根據(jù)獲得的差分圖像，捕捉人臉視頻圖像中唇部的運動信息。 前述將當前人臉視頻圖像中每連續(xù)兩幀圖像進行差分處理，是指將每連續(xù)兩幀圖
像相互進行比較，做"差分"或"相減"運算，從相減后獲得的差分圖像中可以確定變化較大
的區(qū)域，而這些變化區(qū)域是與運動物體相對應(yīng)的，對于實時性要求較高的笑臉檢測而言，差
分圖像算法可以實現(xiàn)唇部的運動信息的迅速捕捉，從而迅速檢測出笑臉。 考慮更進一步地提升檢測的準確性，本發(fā)明實施例對前述現(xiàn)有的通過差分圖像算
法實現(xiàn)捕捉人臉視頻圖像中唇部的運動信息進行改進，分別獲得連續(xù)三幀人臉視頻圖像中
前兩幀和后兩幀的差分圖像，進而獲得這兩幀差分圖像中含有的唇部運動信息，根據(jù)唇部
運動信息識別出人的笑臉圖像，該方法也可稱為雙重差分算法。 具體實施時，步驟101中捕捉人臉視頻圖像中唇部的運動信息可以改進如下
將連續(xù)三幀人臉視頻圖像中前兩幀圖像進行差分處理，獲得所述前兩幀圖像的差
7分圖像； 將所述連續(xù)三幀人臉視頻圖像中后兩幀圖像進行差分處理，獲得所述后兩幀圖像 的差分圖像； 根據(jù)所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像，捕捉人臉視頻圖 像中唇部的運動信息。 前述根據(jù)所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像，捕捉唇部的 運動信息，與前述根據(jù)當前人臉視頻圖像與參考人臉視頻圖像的差分圖像捕捉唇部的運動 信息相比較，唇部運動信息捕捉的結(jié)果更為準確，從而能夠?qū)崿F(xiàn)更準確的笑臉檢測功能。
具體的，根據(jù)所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像，捕捉人臉 視頻圖像中唇部的運動信息，可以包括 對所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行二值化處理；
對二值化處理后的所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行 相與運算； 將相與運算后獲得的圖像進行垂直方向投影，將投影所得的邊緣值作為唇角頂點 位置；這里將相與運算后獲得的圖像進行垂直方向投影，可以將運動變化的位置初步確定 下來，同時也排除了其他非唇部運動的干擾；圖2為唇部示意圖，如圖2所示，由于唇角上揚 時，唇角頂點位置投影所得像素值最小，即該值為邊緣值，因而可將該邊緣值作為唇角頂點 位置； 計算下唇線的延長線與橫向中心線的夾角。如圖2所示，這里的下唇線的延長線 是指從唇角頂點開始，按下唇線的已有弧度按照遠離嘴唇方向延伸的曲線。需要說明的是， 此處的橫向中心線為經(jīng)過唇角頂點且平行于橫軸的直線，圖2中以虛線示出。
在利用前述雙重差分算法捕捉到人臉視頻圖像中唇部的運動信息后，實施步驟 102，該步驟可具體實施為將所述夾角與第一閾值進行比較；在所述夾角大于第一閾值 時，檢測出笑臉。這是由于若大于第一閾值，則可以認為夾角是笑臉所致。實施時還可在圖 像中框出大致的人臉區(qū)域標識，從而將檢測結(jié)果標識出來。第一閾值可以由統(tǒng)計數(shù)據(jù)得出， 或是根據(jù)需要得出，或是根據(jù)經(jīng)驗得出。 圖2中示出了唇部的右側(cè)部分，確定左側(cè)部分下唇線的延長線與橫向中心線的夾 角與此類似。實施中，可在左側(cè)夾角或右側(cè)夾角大于第一閾值時，確定檢測到笑臉；也可以 左側(cè)夾角和右側(cè)夾角都大于第一閾值時，確定檢測到笑臉。后面的實施例中均以一側(cè)夾角 為例進行說明。 前述實施例在具體實施時，可以按如圖3所示的雙重差分算法的處理流程進行實 施，處理過程可以包括 1、對第i-l幀人臉視頻圖像和第i幀人臉視頻圖像進行差分處理，獲得第i-l幀 與第i幀人臉視頻圖像的差分圖像，即
gi (x， y) = I f i (x， y) -f卜丄(x， y) 其中，f卜Jx，y)為第i-l幀人臉視頻圖像；fi(x，y)為第i幀人臉視頻圖像；gi(x， y)為第i幀與第i-l幀人臉視頻圖像的差分圖像；i = 2 N， N為人臉視頻圖像的幀數(shù)；
2、對第i幀人臉視頻圖像和第i+l幀人臉視頻圖像進行差分處理，獲得第i+l幀 與第i幀人臉視頻圖像的差分圖像，即
步驟406、檢測到笑臉，在視圖上框圖標識，即在當前視圖上用一個框標示出笑臉 所在位置；檢測結(jié)束； 步驟407、重新檢測人臉視頻圖像的輸入，重復步驟402-步驟405，直至檢測出笑 臉，或者用戶取消檢測。 本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分步驟是可以 通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一計算機可讀取存儲介質(zhì)中，該 程序在執(zhí)行時，可以包括上述實施例方法中的全部或部分步驟，所述的存儲介質(zhì)可以包括 ROM、RAM、磁盤、光盤等。 本發(fā)明實施例中還提供了一種笑臉檢測裝置、移動終端，如下面的實施例所述。由
于該笑臉檢測裝置、移動終端解決問題的原理與笑臉檢測方法相似，因此該笑臉檢測裝置、
移動終端的實施可以參見方法的實施，重復之處不再贅述。 如圖5所示，本發(fā)明實施例中，笑臉檢測裝置可以包括 捕捉模塊501，用于捕捉人臉視頻圖像中唇部的運動信息； 檢測模塊502，用于根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。 如圖6所示，一個實施例中，捕捉模塊501可以包括 第一差分單元601，用于將所述人臉視頻圖像中每連續(xù)兩幀圖像進行連續(xù)差分處 理，獲得每連續(xù)兩幀圖像的差分圖像； 第一唇部信息捕捉單元602，用于根據(jù)獲得的差分圖像，捕捉所述人臉視頻圖像中 唇部的運動信息。 如圖7所示，在另一個實施例中，捕捉模塊501可以包括 第二差分單元701，用于將連續(xù)三幀所述人臉視頻圖像中前兩幀圖像進行差分處 理，獲得所述前兩幀圖像的差分圖像；將所述連續(xù)三幀所述人臉視頻圖像中后兩幀圖像進 行差分處理，獲得所述后兩幀圖像的差分圖像； 第二唇部信息捕捉單元702，用于根據(jù)所述前兩幀圖像的差分圖像、所述后兩幀圖
像的差分圖像，捕捉所述人臉視頻圖像中唇部的運動信息。 該實施例中，第二唇部信息捕捉單元702可具體用于 對所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行二值化處理；
對二值化處理后的所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行 相與運算； 將相與運算后獲得的圖像進行垂直方向投影，將投影所得的邊緣值作為唇角頂點 位置； 計算下唇線的延長線與橫向中心線的夾角。 如圖8所示，該實施例中，檢測模塊502可以包括 比較單元801，用于將所述夾角與第一閾值進行比較； 笑臉檢測單元802，用于在所述夾角大于第一閾值時，確定檢測到笑臉。 該實施例中，第二差分單元701可具體用于按如下公式進行差分處理 gi (x， y) = I f i (x， y) -f卜丄(x， y) gi+1 (x， y) = I f i+1 (x， y) -f丄(x， y)
其中，f卜Jx，y)為第i-1幀所述人臉視頻圖像；fi(x，y)為第i幀所述人臉視頻圖像；fi+1(x，y)為第i+1幀所述人臉視頻圖像；gi(x，y)為第i幀與第i_l幀所述人臉視頻圖像的差分圖像；gi+1(x， y)為第i + 1幀與第i幀所述人臉視頻圖像的差分圖像；i = 2 N，N為所述人臉視頻圖像的幀數(shù)；
第二唇部信息捕捉單元702可具體用于按如下公式進行二值化處理
0098
0099
0100'
0101
A>0—y)|<:r
y)為二值化處理后的第i幀與第i-l幀所述人臉視頻圖像的差分gi+1' (x， y)為二值化處理后的第i+1幀與第i幀所述人臉視頻圖像的差分圖像；T為第二閾值；
以及，按如下公式進行相與運算
",.O,力=g,' (x,力 o,力
0 &'(1,力=0和/或《,+1'"力=0
其中，Di(x， y)為將二值化處理后的第i幀與第i-l幀所述人臉視頻圖像的差分第i+l幀與第i幀所述人臉視頻圖像的差分圖像進行相與運算后獲得的圖像。圖8所示檢測模塊502還可以包括計算單元803，用于按如下步驟進行計算所述第二閾值計算所述人臉視頻圖像的灰度均值m和方差o :
1 /
y=o ,-o /
戶o 1=0 /其中，f(Xi， y》為每個像素的灰度值；W為所述人臉視頻圖像的寬度；H為所述人
0102,0103:
0104:
0105'
0106:0107:
0108:0109:
o"o:
0111 ■
附:
臉視頻圖像的高度；
0112'
計算差分圖像gi(x， y)的均值mi和方差Oi，根據(jù)計算出的均值mi和方差、計
算第二閾值T:0113] T = a o i+nii0114] 其中，a為權(quán)值系數(shù)。
0115] 本發(fā)明還提供一種移動終端，該移動終端可包括上述笑臉檢測裝置。0116] 本發(fā)明實施例中，捕捉人臉視頻圖像中唇部的運動信息；根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。本發(fā)明實施例計算的信息量比現(xiàn)有技術(shù)中的笑臉檢測計算整個人臉的信息量更少，計算相對簡單很多，可達到降低笑臉檢測的復雜度的目的，能夠適應(yīng)于移動終端硬件處理的低復雜度要求，減少設(shè)備硬件成本，使用范圍廣、局限性較小，可用于各種帶攝像設(shè)備的移動終端。
本發(fā)明實施例的笑臉檢測方法除應(yīng)用于移動終端外，還可應(yīng)用于其他的圖像處理領(lǐng)域。 以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
一種笑臉檢測方法，其特征在于，該方法包括捕捉人臉視頻圖像中唇部的運動信息；根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。
2. 如權(quán)利要求1所述的方法，其特征在于，所述捕捉人臉視頻圖像中唇部的運動信息， 包括將所述人臉視頻圖像中每連續(xù)兩幀圖像進行差分處理，獲得每連續(xù)兩幀圖像的差分圖像；根據(jù)獲得的差分圖像，捕捉所述人臉視頻圖像中唇部的運動信息。
3. 如權(quán)利要求1所述的方法，其特征在于，所述捕捉人臉視頻圖像中唇部的運動信息， 包括將連續(xù)三幀所述人臉視頻圖像中前兩幀圖像進行差分處理，獲得所述前兩幀圖像的差 分圖像；將所述連續(xù)三幀所述人臉視頻圖像中后兩幀圖像進行差分處理，獲得所述后兩幀圖像 的差分圖像；根據(jù)所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像，捕捉所述人臉視頻圖 像中唇部的運動信息。
4. 如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述前兩幀圖像的差分圖像、所述 后兩幀圖像的差分圖像，捕捉所述人臉視頻圖像中唇部的運動信息，包括對所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行二值化處理； 對二值化處理后的所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行相與 運算；將相與運算后獲得的圖像進行垂直方向投影，將投影所得的邊緣值作為唇角頂點位置；計算下唇線的延長線與橫向中心線的夾角。
5. 如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述唇部的運動信息，確定是否檢 測到笑臉，包括將所述夾角與第一閾值進行比較； 在所述夾角大于第一閾值時，確定檢測到笑臉。
6. 如權(quán)利要求5所述的方法，其特征在于，按如下公式進行差分處理 gi(x，y) = I fi (x， y)-f卜！ (x， y) I<formula>formula see original document page 2</formula>其中，f^(x， y)為第i-l幀所述人臉視頻圖像；fi(x， y)為第i幀所述人臉視頻圖像； fi+1(x， y)為第i+l幀所述人臉視頻圖像；gi(x， y)為第i幀與第i-l幀所述人臉視頻圖像 的差分圖像；gi+1(x，y)為第i+l幀與第i幀所述人臉視頻圖像的差分圖像；i = 2 N，N為 所述人臉視頻圖像的幀數(shù)；按如下公式進行二值化處理<formula>formula see original document page 2</formula><formula>formula see original document page 3</formula>其中，g/ (x，y)為二值化處理后的第i幀與第i-l幀所述人臉視頻圖像的差分圖像； gi+1' (x，y)為二值化處理后的第i+l幀與第i幀所述人臉視頻圖像的差分圖像；T為第二 閾值；按如下公式進行相與運算<formula>formula see original document page 3</formula>其中，Di(x，y)為將二值化處理后的第i幀與第i-l幀所述人臉視頻圖像的差分圖像、 第i+l幀與第i幀所述人臉視頻圖像的差分圖像進行相與運算后獲得的圖像。
7.如權(quán)利要求6所述的方法，其特征在于，所述第二閾值按如下步驟進行計算 計算所述人臉視頻圖像的灰度均值m和方差o :其中，f (Xi， y》為每個像素的灰度值；W為所述人臉視頻圖像的寬度；H為所述人臉視 頻圖像的高度；計算差分圖像gi(x， y)的均值mi和方差Oi，根據(jù)計算出的均值mi和方差o i計算第 二閾值T :其中，a為權(quán)值系數(shù)。
8. —種笑臉檢測裝置，其特征在于，該裝置包括 捕捉模塊，用于捕捉人臉視頻圖像中唇部的運動信息； 檢測模塊，用于根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。
9. 如權(quán)利要求8所述的裝置，其特征在于，所述捕捉模塊包括第一差分單元，用于將所述人臉視頻圖像中每連續(xù)兩幀圖像進行連續(xù)差分處理，獲得 每連續(xù)兩幀圖像的差分圖像；第一唇部信息捕捉單元，用于根據(jù)獲得的差分圖像，捕捉所述人臉視頻圖像中唇部的 運動信息。
10. 如權(quán)利要求8所述的裝置，其特征在于，所述捕捉模塊包括第二差分單元，用于將連續(xù)三幀所述人臉視頻圖像中前兩幀圖像進行差分處理，獲得 所述前兩幀圖像的差分圖像；將所述連續(xù)三幀所述人臉視頻圖像中后兩幀圖像進行差分處 理，獲得所述后兩幀圖像的差分圖像；第二唇部信息捕捉單元，用于根據(jù)所述前兩幀圖像的差分圖像、所述后兩幀圖像的差 分圖像，捕捉所述人臉視頻圖像中唇部的運動信息。
11. 如權(quán)利要求IO所述的裝置，其特征在于，所述第二唇部信息捕捉單元具體用于對所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行二值化處理； 對二值化處理后的所述前兩幀圖像的差分圖像、所述后兩幀圖像的差分圖像進行相與 運算；將相與運算后獲得的圖像進行垂直方向投影，將投影所得的邊緣值作為唇角頂點位置；計算下唇線的延長線與橫向中心線的夾角。
12. 如權(quán)利要求11所述的裝置，其特征在于，所述檢測模塊包括 比較單元，用于將所述夾角與第一閾值進行比較； 笑臉檢測單元，用于在所述夾角大于第一閾值時，確定檢測到笑臉。
13. 如權(quán)利要求12所述的裝置，其特征在于，所述第二差分單元具體用于按如下公式 進行差分處理<formula>formula see original document page 4</formula>其中，f^(x， y)為第i-l幀所述人臉視頻圖像；fi(x， y)為第i幀所述人臉視頻圖像； fi+1(x， y)為第i+l幀所述人臉視頻圖像；gi(x， y)為第i幀與第i-l幀所述人臉視頻圖像 的差分圖像；gi+1(x，y)為第i+l幀與第i幀所述人臉視頻圖像的差分圖像；i = 2 N，N為 所述人臉視頻圖像的幀數(shù)；所述第二唇部信息捕捉單元具體用于按如下公式進行二值化處理<formula>formula see original document page 4</formula>其中，g/ (x，y)為二值化處理后的第i幀與第i-l幀所述人臉視頻圖像的差分圖像； gi+1' (x，y)為二值化處理后的第i+l幀與第i幀所述人臉視頻圖像的差分圖像；T為第二 閾值；以及，按如下公式進行相與運算<formula>formula see original document page 4</formula>其中，Di(x，y)為將二值化處理后的第i幀與第i-l幀所述人臉視頻圖像的差分圖像、 第i+l幀與第i幀所述人臉視頻圖像的差分圖像進行相與運算后獲得的圖像。
14.如權(quán)利要求13所述的裝置，其特征在于，所述檢測模塊還包括 計算單元，用于按如下步驟進行計算所述第二閾值 計算所述人臉視頻圖像的灰度均值m和方差o :<formula>formula see original document page 4</formula><formula>formula see original document page 5</formula>其中，f (Xi， y》為每個像素的灰度值；W為所述人臉視頻圖像的寬度；H為所述人臉視 頻圖像的高度；計算差分圖像gi(x， y)的均值mi和方差Oi，根據(jù)計算出的均值mi和方差o i計算第 二閾值T :T = a o i+nii 其中，a為權(quán)值系數(shù)。
15. —種移動終端，其特征在于，包括權(quán)利要求8至14任一項所述的裝置。
全文摘要
本發(fā)明公開了一種笑臉檢測方法，該方法包括捕捉人臉視頻圖像中唇部的運動信息；根據(jù)所述唇部的運動信息，確定是否檢測到笑臉。本發(fā)明同時公開一種笑臉檢測裝置、移動終端。采用本發(fā)明可以達到降低笑臉檢測復雜度的目的，本發(fā)明實施例能夠適應(yīng)于移動終端硬件處理的低復雜度要求，減少設(shè)備硬件成本，使用范圍廣、局限性較小，可用于各種帶攝像設(shè)備的移動終端。
文檔編號G06T7/20GK101702199SQ20091022255
公開日2010年5月5日 申請日期2009年11月13日 優(yōu)先權(quán)日2009年11月13日
發(fā)明者陶宏 申請人:深圳華為通信技術(shù)有限公司