CN101281599A - 人脸检测方法和装置 - Google Patents
人脸检测方法和装置 Download PDFInfo
- Publication number
- CN101281599A CN101281599A CNA2008101130793A CN200810113079A CN101281599A CN 101281599 A CN101281599 A CN 101281599A CN A2008101130793 A CNA2008101130793 A CN A2008101130793A CN 200810113079 A CN200810113079 A CN 200810113079A CN 101281599 A CN101281599 A CN 101281599A
- Authority
- CN
- China
- Prior art keywords
- face
- size
- field picture
- pixel region
- whole
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims description 44
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸检测方法和一种人脸检测装置。本发明依次从连续几帧图像中的每一帧中截取预设大小的像素区域，并在每次截取后，均将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸后存储在预设存储空间内，然后在存储的像素区域内检测目标人脸。这样，由于针对同样大小的存储空间像素区域的缩小倍数小于整帧图像，因而相比于将一帧图像缩小后整帧存储于存储空间内，就增大了随像素区域缩小并存储的目标人脸尺寸，从而通过对存储空间内像素区域的检测，就能够检测整帧图像中更小尺寸的目标人脸。
Description
技术领域
本发明涉及模式识别技术，特别涉及一种人脸检测方法和一种人脸检测装置。
背景技术
人脸检测是指利用自适应增强(AdaBoost)等算法，在感光元器件拍摄并输出的图像中检测出目标人脸。
出于硬件实现的需要，需要将感光元器件输出的一帧图像先存储在预设大小的存储空间内，然后再对存储的整帧图像执行人脸检测。
其中，由于存储资源有限，因而存放图像的存储空间大小通常会小于感光元器件输出的图像大小，例如，存储空间能够保存的最大图像尺寸为160像素×120像素，而感光元器件输出的图像大小为640像素×480像素，从而就需要将感光元器件输出的图像缩小到该存储空间所能够存储的最大尺寸。
上述缩小图像并存储的方式能够满足硬件实现的需要，但存储空间的大小会限制人脸检测所能够检测到的目标人脸最小尺寸。
假设，存储空间能够保存的最大图像尺寸为160像素×120像素、感光元器件输出的图像大小为640像素×480像素、人脸检测算法所能够检测到的目标人脸最小尺寸为20像素×20像素。这样，利用人脸检测算法在160像素×120像素的整帧图像中，所能够检测到的目标人脸最小尺寸为20像素×20像素，相应地，感光元器件输出的640像素×480像素大小的整帧图像中，只有大于等于80像素×80像素的目标人脸才能够被检测到。
如果希望检测到640像素×480像素大小的图像中小于80像素×80像素的目标人脸，则需要增大存储空间。
假设，增大存储空间，使其能够保存的最大图像尺寸为320像素×240像素。这样，利用人脸检测算法在320像素×240像素的整帧图像中，所能够检测到的目标人脸最小尺寸仍为20像素×20像素，相应地，感光元器件输出的640像素×480像素大小的整帧图像中，目标人脸只要大于等于40像素×40像素就能够被检测到。
可见，现有人脸检测为了能够检测到更小尺寸的目标人脸，只能够增加存储空间的大小，从而增加了硬件存储资源，提高了硬件实现人脸检测的成本。
发明内容
有鉴于此，本发明提供了一种人脸检测方法和一种人脸检测装置，能够在不增加硬件存储资源的前提下，检测到更小尺寸的目标人脸。
本发明提供的一种人脸检测方法，接收连续多帧图像，该方法在接收到每一帧图像后包括：
从当前接收到的一帧图像中截取预设大小的像素区域，将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸，并存储于所述存储空间内；
利用预设的人脸检测算法，在所述存储空间内的像素区域中检测目标人脸，并将检测到的目标人脸添加至检测结果集合中；
其中，该方法每次截取的各像素区域在整帧图像中的位置不完全重叠、且各像素区域叠加后的尺寸与整帧图像相同。
所述接收连续多帧图像之前，该方法进一步包括：
将一整帧图像缩小至预设存储空间所能够存储的最大尺寸，并存储于所述存储空间内；
利用预设的人脸检测算法，在所述存储空间内的整帧图像中检测目标人脸，并将检测到的目标人脸添加至检测结果集合中。
该方法进一步以所述人脸检测算法支持的最小检测尺寸与整帧图像缩小倍数的乘积为尺寸上限，在所述存储空间内的像素区域中检测目标人脸。
所述预设存储空间所能够存储的最大尺寸为整帧图像尺寸的1/16；
每一像素区域的大小为整帧图像的1/4。
截取的各像素区域在整帧图像中的位置完全不重叠。
本发明提供的一种人脸检测装置，该装置包括：
图像截取单元，用于接收感光元器件输出的连续多帧图像，且从每次接收到的一帧图像中截取预设大小的像素区域；
尺寸调整单元，用于将所述图像截取单元截取的像素区域缩小至图像存储单元所能够存储的最大尺寸，并存储于所述图像存储单元内；
区域检测单元，用于利用预设的人脸检测算法，在存储于所述图像存储单元内的像素区域中检测目标人脸，并将检测到的目标人脸输出至结果统计单元；
其中，所述图像截取单元每次截取的各像素区域在整帧图像中的位置不完全重叠、且各像素区域叠加后的尺寸与整帧图像相同。
所述尺寸调整单元进一步接收感光元器件输出的一整帧图像，将该整帧图像缩小至图像存储单元所能够存储的最大尺寸，并存储于所述图像存储单元内；
所述区域检测单元进一步利用预设的人脸检测算法，在存储于所述图像存储单元内的整帧图像中检测目标人脸，并将检测到的目标人脸输出至结果统计单元。
该装置进一步包括：参数存储单元，用于存储所述人脸检测算法支持的最小检测尺寸与预设整帧图像缩小倍数的乘积；
所述检测单元，进一步以所述人脸检测算法支持的最小检测尺寸与整帧图像缩小倍数的乘积为尺寸上限，执行所述在所述存储空间内的像素区域中检测目标人脸。
所述图像存储单元所能够存储的最大尺寸为整帧图像尺寸的1/16；
所述图像截取单元截取的每一像素区域的大小为整帧图像的1/4。
所述图像存储单元为闪存FLASH、或随机存储器RAM、或非易失性只读存储器E2PROM。
由上述技术方案可见，本发明依次从连续几帧图像中的每一帧中截取预设大小的像素区域，并在每次截取后，均将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸后存储在预设存储空间内，然后在存储的像素区域内检测目标人脸。这样，由于针对同样大小的存储空间像素区域的缩小倍数小于整帧图像，因而相比于将一帧图像缩小后整帧存储于存储空间内，就增大了随像素区域缩小并存储的目标人脸尺寸，从而通过对存储空间内像素区域的检测，就能够检测到整帧图像中更小尺寸的目标人脸。
附图说明
图1～图5为本发明实施例中人脸检测过程的示意图。
图6为本发明实施例中人脸检测方法的流程示意图。
图7为本发明实施例中人脸检测装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。
在本发明中，基于现有的硬件存储资源和硬件处理资源，通过对连续几帧图像进行人脸检测，且对第一帧和后续多帧分别采用不同的处理方式。
对于连续几帧图像中的第一帧，仍采用现有方式，将整帧图像缩小至预设存储空间所能够存储的最大尺寸后，存储在预设存储空间内，并在存储的整帧图像中检测目标人脸，以检测出大尺寸的目标人脸。
而对于连续几帧图像中的后续其他帧，则分别截取整帧图像中不同位置的像素区域，再将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸后，存储在预设存储空间内，并在存储的像素区域中检测目标人脸，以检测出小尺寸的目标人脸。
其中，设人脸检测算法所能够检测到的目标人脸最小尺寸、即最小检测尺寸为Size_Min，则如上所述的大尺寸的目标人脸是指尺寸大于等于(Size_Min×整帧图像的缩小倍数)的目标人脸。
相应地，假设截取的像素区域的尺寸与整帧图像尺寸的比值为P，则如上所述的小尺寸的目标人脸是指尺寸小于(Size_Min×整帧图像的缩小倍数)、且大于等于(Size_Min×整帧图像的缩小倍数×P)的目标人脸。其中，(Size_Min×整帧图像的缩小倍数×P)还可表示为(Size_Min×像素区域的缩小倍数)。
需要说明的是，本文所述的缩小，较佳地采用长和宽同比例缩小。
可见，截取的像素区域的尺寸一定小于整帧图像尺寸，因而P一定小于1，因而通过对整帧图像的截取、对截取的像素区域缩小、存储并进行人脸检测的处理过程，相比于现有方式对整帧图像缩小、存储并进行人脸检测的处理过程，可检测到整帧图像中更小尺寸的目标人脸。
需要说明的是，如果感光元器件输入图像的帧率足够高，例如每秒钟30帧左右，则可以认为在连续几帧的时间(0.1～0.2秒左右)内，图像中目标人脸的变化足够小，因此近似等效于在一帧图像内检测目标人脸；且检测目标人脸的具体处理过程可以利用现有的各种人脸检测算法来实现，在本文中不再赘述。
这样，当完成对截取自最后一帧图像的像素区域的人脸检测之后，检测出大尺寸的目标人脸和小尺寸的目标人脸均作为人脸检测结果。
当然，如果仅需要获得小尺寸的目标人脸，则无需再执行对整帧图像的人脸检测，而是对于连续所有帧图像均执行截取、对截取的像素区域缩小、存储并进行人脸检测的处理过程。
以下，以接收感光元器件输出的连续5帧图像为例，对本实施例中的人脸检测过程进行详细说明。
假设如下条件：
感光元器件输出的连续5帧图像中，包含100像素×100像素的大尺寸目标人脸、以及40像素×40像素的小尺寸目标人脸；
感光元器件输出的图像大小为640像素×480像素，存储空间能够保存的最大图像尺寸为160像素×120像素，即整帧图像的缩小倍数为16倍，整帧图像的长宽尺寸的缩小倍数均为4倍；
人脸检测算法所能够检测到的目标人脸最小尺寸Size_Min为20像素×20像素；
从整帧图像中截取的像素区域的尺寸与整帧图像尺寸的比例P为0.25，即像素区域的缩小倍数为4倍，像素区域的长宽尺寸的缩小倍数均为2倍。
相应地，根据上述假设值，计算得到：
(Size_Min×整帧图像的缩小倍数)＝[(20像素×20像素)×16]＝[(20×4像素)×(20×4像素)]＝80像素×80像素；
(Size_Min×像素区域的缩小倍数)＝[(20像素×20像素)×4]＝[(20×2像素)×(20×2像素)]＝40像素×40像素。
参见图1，将感光元器件输出的第1帧图像的尺寸，由640像素×480像素缩小到160像素×120像素，并将缩小后的第1帧图像整帧保存在存储空间内。
这样，第1帧图像中的大尺寸目标人脸(其轮廓如图1中左侧的实线所示)随着整帧图像缩小16倍，其长宽尺寸各缩小4倍，变为[(100/4)像素×(100/4)像素]＝25像素×25像素，大于Size_Min因而能够被检测到；而小尺寸目标人脸(其轮廓如图1中右侧下方的虚线所示)相应地缩小为10像素×10像素，小于Size_Min因而无法被检测到。
参见图2，截取感光元器件输出的第2帧图像的左上角，得到尺寸为320像素×240像素的像素区域1(如图2中的阴影部分所示)，像素区域1中仅包括大尺寸目标人脸(其轮廓如图2中左侧的实线所示)。然后，将像素区域1的尺寸由320像素×240像素缩小到160像素×120像素，并将缩小后的像素区域1保存在存储空间内。
这样，像素区域1中的大尺寸目标人脸随着像素区域1缩小4倍，其长宽尺寸各缩小2倍，变为[(100/2)像素×(100/2)像素]＝50像素×50像素，大于Size_Min因而能够被检测到；而小尺寸的目标人脸不包含在像素区域1中，因而未被检测到。但由于通过如图1所示的处理过程，在整帧图像中也能够检测大尺寸目标人脸，因此，为了节省硬件处理资源，实际应用中在对像素区域的检测中，可以仅检测尺寸小于(Size_Min×整帧图像的缩小倍数)的目标人脸，以避免重复检测到同一目标人脸。
参见图3，截取感光元器件输出的第3帧图像的右上角，得到尺寸为320像素×240像素的像素区域2(如图3中的阴影部分所示)，像素区域2中未包括大尺寸目标人脸和小尺寸目标人脸。然后，将像素区域2的尺寸由320像素×240像素缩小到160像素×120像素，并将缩小后的像素区域2保存在存储空间内。
这样，大尺寸目标人脸和小尺寸的目标人脸不包含在像素区域2中，因而均未被检测到。
参见图4，截取感光元器件输出的第4帧图像的左下角，得到尺寸为320像素×240像素的像素区域3(如图4中的阴影部分所示)，像素区域3中未包括大尺寸目标人脸和小尺寸目标人脸。然后，将像素区域3的尺寸由320像素×240像素缩小到160像素×120像素，并将缩小后的像素区域3保存在存储空间内。
这样，大尺寸目标人脸和小尺寸的目标人脸不包含在像素区域3中，因而均未被检测到。
参见图5，截取感光元器件输出的第5帧图像的右下角，得到尺寸为320像素×240像素的像素区域4(如图5中的阴影部分所示)，像素区域4中仅包括小尺寸目标人脸(其轮廓如图5中右侧下方的虚线所示)。然后，将像素区域4的尺寸由320像素×240像素缩小到160像素×120像素，并将缩小后的像素区域4保存在存储空间内。
这样，像素区域4中的小尺寸目标人脸随着像素区域4缩小4倍，其长宽尺寸各缩小2倍，变为[(40/2)像素×(40/2)像素]＝20像素×20像素，等于Size_Min因而能够被检测到；而大尺寸的目标人脸不包含在像素区域4中，因而未被检测到。
可见，上述如图1、2所示的处理过程检测到了100像素×100像素的大尺寸目标人脸，上述如图5所示的处理过程则检测到了40像素×40像素的小尺寸目标人脸。在执行完如图5所示的处理过程后，即将检测到的大尺寸目标人脸和小尺寸目标人脸均作为人脸检测结果，并添加至检测结果集合中。
实际应用中，各像素区域的大小也可以设置其他尺寸且不一定均相同；各像素区域的划分也可以采用其他方式，相互之间可以不完全重叠，而非一定完全不重叠。
此外，当完成对每一像素区域的缩小、存储、检测处理过程之后，还可以在后续几帧图像中，依次截取该像素区域内位置不全重叠的子区域，并逐一执行缩小、存储、检测的处理过程，以检测到更小尺寸的目标人脸。依此类推，当完成对每一子区域的缩小、存储、检测处理过程之后，还可以再进一步地划分更小的下一级子区域。也就是说，本实施例的技术方案还可以结合现有技术中的金字塔结构进一步优化。
但需要说明的是，在保证存储空间大小一定的情况下，需要实现的可检测目标人脸最小尺寸越小，需要划分的子区域级别越多，人脸检测的次数就越多，耗费的处理时间就越长。因此，实际应用中可根据需要进行调整。
图6为本发明实施例中人脸检测方法的流程示意图。如图6所示，本实施例中的人脸检测方法，在开始接收多帧图像后，包括如下步骤：
步骤601，从当前一帧图像中截取预设大小的像素区域，且如果当前帧不是第一帧，则需保证截取的像素区域与之前的像素区域位置不全重叠。
步骤602，将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸，并存储于存储空间内。
步骤603，利用预设的人脸检测算法，在存储空间内的像素区域中检测目标人脸，并将检测到的目标人脸添加至检测结果集合中。
步骤604，判断是否已完成对最后一帧的处理，如果已截取的所有像素区域叠加后的尺寸与整帧图像相同，则表示已完成对最后一帧的处理，并结束本流程；否则，表示未完成对最后一帧的处理，并返回步骤601将下一帧作为当前帧继续处理。
实际应用中，还可以在预先设置了每次需要截取的像素区域大小的同时，再设置每次需要截取的像素区域在整帧图像中的位置、以及需要截取的次数，保证及截取的所有像素区域叠加后能够与整帧图像相同。这样，在步骤604判断是否已完成对最后一帧的处理，还可以通过可判断已截取像素区域的次数是否达到预设的需要截取的次数来实现，如果是，则结束流程，否则，才返回步骤601继续截取。
当然，上述流程可以仅针对小尺寸目标人脸，在执行上述流程之前，还可以先将一整帧图像缩小至预设存储空间所能够存储的最大尺寸，并存储于所述存储空间内，然后利用预设的人脸检测算法，在所述存储空间内的整帧图像中检测目标人脸，并将检测到的目标人脸，即大尺寸目标人脸，也添加至检测结果集合中。
图7为本发明实施例中人脸检测装置的结构示意图。如图7所示，本实施例中的人脸检测装置包括：
图像截取单元701，用于从接收到的连续多帧图像的每一帧中，依次截取预设大小的像素区域，所截取的各像素区域在整帧图像中的位置不完全重叠、且各像素区域叠加后的尺寸与整帧图像相同。
尺寸调整单元702，用于在每次接收到图像截取单元701截取的像素区域后，将该像素区域缩小至图像存储单元703所能够存储的最大尺寸，并存储于图像存储单元703内。
图像存储单元703可为闪存(FLASH)、或随机存储器(RAM)、或非易失性只读存储器(E2PROM)等任一种物理存储介质。
区域检测单元704，用于读取图像存储单元703内的像素区域，利用预设的人脸检测算法在读取的像素区域中检测目标人脸，并将检测到的目标人脸输出至结果统计单元705。
实际应用中，上述各功能单元之间可以采用流水线方式进行处理，以提升人脸检测速度。
结果统计单元705中存储的所有检测到的目标人脸，即构成了检测结果集合。
仍参见图7，本实施例中的人脸检测装置还可以包括：多路选择单元700，其输入端与感光元器件的输出端相连、其一路输出端与图像截取单元701、另一路输出端与尺寸调整单元702的输入相连，用于将连续多帧图像输出至图像截取单元701，且在选通其一路输出端向图像截取单元701输出连续多帧图像之前，先选通其另一路输出端将这连续多帧图像的前一帧图像整帧输出至尺寸调整单元702。
相应地，尺寸调整单元702进一步将接收到的一整帧图像缩小至图像存储单元703所能够存储的最大尺寸，并存储于图像存储单元内703；而区域检测单元704则进一步读取图像存储单元703内的整帧图像，利用预设的人脸检测算法在读取的整帧图像中检测目标人脸，并将检测到的目标人脸输出至结果统计单元705。
此外，如图7所示的装置还可以进一步包括：参数存储单元706，用于存储人脸检测算法支持的最小检测尺寸，与预设整帧图像缩小倍数的乘积。相应地，区域检测单元704，进一步以人脸检测算法支持的最小检测尺寸与整帧图像缩小倍数的乘积为尺寸上限，在所述存储空间内的像素区域中检测目标人脸。
这样，就实现了在像素区域中仅检测小尺寸目标人脸，而大尺寸目标人脸则在整帧图像中检测。
由上述实施例可见，本发明提供的人脸检测方法和人脸检测装置，依次从连续几帧图像中的每一帧中截取预设大小的像素区域，并在每次截取后，均将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸后存储在预设存储空间内，然后在存储的像素区域内检测目标人脸。这样，由于针对同样大小的存储空间像素区域的缩小倍数小于整帧图像，因而相比于将一帧图像缩小后整帧存储于存储空间内，就增大了随像素区域缩小并存储的目标人脸尺寸，从而通过对存储空间内像素区域的检测，就能够检测到整帧图像中更小尺寸的目标人脸。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。
Claims (10)
1、一种人脸检测方法，其特征在于，接收连续多帧图像，且该方法在接收到每一帧图像后包括：
从当前接收到的一帧图像中截取预设大小的像素区域，将截取的像素区域缩小至预设存储空间所能够存储的最大尺寸，并存储于所述存储空间内；
利用预设的人脸检测算法，在所述存储空间内的像素区域中检测目标人脸，并将检测到的目标人脸添加至检测结果集合中；
其中，该方法每次截取的各像素区域在整帧图像中的位置不完全重叠、且各像素区域叠加后的尺寸与整帧图像相同。
2、如权利要求1所述的方法，其特征在于，所述接收连续多帧图像之前，该方法进一步包括：
将一整帧图像缩小至预设存储空间所能够存储的最大尺寸，并存储于所述存储空间内；
利用预设的人脸检测算法，在所述存储空间内的整帧图像中检测目标人脸，并将检测到的目标人脸添加至检测结果集合中。
3、如权利要求2所述的方法，其特征在于，该方法进一步以所述人脸检测算法支持的最小检测尺寸与整帧图像缩小倍数的乘积为尺寸上限，在所述存储空间内的像素区域中检测目标人脸。
4、如权利要求1至3中任意一项所述的方法，其特征在于，
所述预设存储空间所能够存储的最大尺寸为整帧图像尺寸的1/16；
每一像素区域的大小为整帧图像的1/4。
5、如权利要求4所述的方法，其特征在于，截取的各像素区域在整帧图像中的位置完全不重叠。
6、一种人脸检测装置，其特征在于，该装置包括：
图像截取单元，用于接收感光元器件输出的连续多帧图像，且从每次接收到的一帧图像中截取预设大小的像素区域；
尺寸调整单元，用于将所述图像截取单元截取的像素区域缩小至图像存储单元所能够存储的最大尺寸，并存储于所述图像存储单元内；
区域检测单元，用于利用预设的人脸检测算法，在存储于所述图像存储单元内的像素区域中检测目标人脸，并将检测到的目标人脸输出至结果统计单元；
其中，所述图像截取单元每次截取的各像素区域在整帧图像中的位置不完全重叠、且各像素区域叠加后的尺寸与整帧图像相同。
7、如权利要求6所述的装置，其特征在于，
所述尺寸调整单元进一步接收感光元器件输出的一整帧图像，将该整帧图像缩小至图像存储单元所能够存储的最大尺寸，并存储于所述图像存储单元内；
所述区域检测单元进一步利用预设的人脸检测算法，在存储于所述图像存储单元内的整帧图像中检测目标人脸，并将检测到的目标人脸输出至结果统计单元。
8、如权利要求7所述的装置，其特征在于，
该装置进一步包括：参数存储单元，用于存储所述人脸检测算法支持的最小检测尺寸与预设整帧图像缩小倍数的乘积；
所述检测单元，进一步以所述人脸检测算法支持的最小检测尺寸与整帧图像缩小倍数的乘积为尺寸上限，执行所述在所述存储空间内的像素区域中检测目标人脸。
9、如权利要求6至8中任意一项所述的装置，其特征在于，
所述图像存储单元所能够存储的最大尺寸为整帧图像尺寸的1/16；
所述图像截取单元截取的每一像素区域的大小为整帧图像的1/4。
10、如权利要求9所述的装置，其特征在于，所述图像存储单元为闪存FLASH、或随机存储器RAM、或非易失性只读存储器E2PROM。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810113079A CN100589115C (zh) | 2008-05-27 | 2008-05-27 | 人脸检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810113079A CN100589115C (zh) | 2008-05-27 | 2008-05-27 | 人脸检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101281599A true CN101281599A (zh) | 2008-10-08 |
| CN100589115C CN100589115C (zh) | 2010-02-10 |
Family
ID=40014056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200810113079A Active CN100589115C (zh) | 2008-05-27 | 2008-05-27 | 人脸检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100589115C (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012000135A1 (en) * | 2010-07-02 | 2012-01-05 | Intel Corporation | Face detecting method and apparatus |
| CN102999900A (zh) * | 2011-09-13 | 2013-03-27 | 佳能株式会社 | 图像处理设备和图像处理方法 |
| CN105989608A (zh) * | 2016-04-25 | 2016-10-05 | 北京光年无限科技有限公司 | 一种面向智能机器人的视觉捕捉方法及装置 |
| CN106934354A (zh) * | 2017-02-28 | 2017-07-07 | 厦门瑞为信息技术有限公司 | 一种fpga实现人脸检测的方法 |
| CN110163032A (zh) * | 2018-02-13 | 2019-08-23 | 浙江宇视科技有限公司 | 一种人脸检测方法及装置 |
| CN113763456A (zh) * | 2020-06-01 | 2021-12-07 | 聚晶半导体股份有限公司 | 图像检测装置以及图像检测方法 |
-
2008
- 2008-05-27 CN CN200810113079A patent/CN100589115C/zh active Active
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012000135A1 (en) * | 2010-07-02 | 2012-01-05 | Intel Corporation | Face detecting method and apparatus |
| CN102999900A (zh) * | 2011-09-13 | 2013-03-27 | 佳能株式会社 | 图像处理设备和图像处理方法 |
| US9111346B2 (en) | 2011-09-13 | 2015-08-18 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and recording medium |
| CN102999900B (zh) * | 2011-09-13 | 2015-11-25 | 佳能株式会社 | 图像处理设备和图像处理方法 |
| CN105989608A (zh) * | 2016-04-25 | 2016-10-05 | 北京光年无限科技有限公司 | 一种面向智能机器人的视觉捕捉方法及装置 |
| CN105989608B (zh) * | 2016-04-25 | 2019-03-26 | 北京光年无限科技有限公司 | 一种面向智能机器人的视觉捕捉方法及装置 |
| CN106934354A (zh) * | 2017-02-28 | 2017-07-07 | 厦门瑞为信息技术有限公司 | 一种fpga实现人脸检测的方法 |
| CN106934354B (zh) * | 2017-02-28 | 2020-08-07 | 厦门瑞为信息技术有限公司 | 一种fpga实现人脸检测的方法 |
| CN110163032A (zh) * | 2018-02-13 | 2019-08-23 | 浙江宇视科技有限公司 | 一种人脸检测方法及装置 |
| CN113763456A (zh) * | 2020-06-01 | 2021-12-07 | 聚晶半导体股份有限公司 | 图像检测装置以及图像检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100589115C (zh) | 2010-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100589115C (zh) | 人脸检测方法和装置 | |
| CN101262559B (zh) | 一种序列图像噪声消除的方法及装置 | |
| JP4814375B2 (ja) | 検出装置、検出方法および検出用集積回路 | |
| CN102063610B (zh) | 影像辨识系统及方法 | |
| KR100910670B1 (ko) | 승객 보호 시스템을 위한 이미지 보정 방법 및 장치 | |
| CN111523652B (zh) | 处理器及其数据处理方法、摄像装置 | |
| US9569703B2 (en) | Data transfer apparatus and method thereof | |
| US9258485B2 (en) | Image sensor cropping images in response to cropping coordinate feedback | |
| EP3306527A1 (en) | A method of cropping an image, an apparatus for cropping an image, a program and a storage medium | |
| JP2017108428A5 (zh) | ||
| CN100492088C (zh) | 一种自动对焦方法 | |
| US20120099151A1 (en) | Image forming apparatus | |
| CN109977872A (zh) | 动作检测方法、装置、电子设备及计算机可读存储介质 | |
| US9213906B2 (en) | Information processing apparatus and method | |
| US8542919B2 (en) | Method and system for correcting lens shading | |
| CN107024817A (zh) | 多光圈相机系统及其动作方法 | |
| US5153720A (en) | Motion image difference detecting apparatus | |
| CN101520590A (zh) | 相机及其自拍方法 | |
| CN117225733A (zh) | 一种香烟盒片缺陷检测的剔废方法、存储介质及装置 | |
| WO2017154423A1 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| WO2002047373A3 (en) | Apparatus and method for correcting signal and color degradation in a video image using known icons from video image | |
| EP1394744A3 (en) | Method and apparatus for processing image data and semiconductor storage device | |
| US6762799B2 (en) | Image data synchronizing apparatus and method | |
| CN101184159A (zh) | 一种降低帧内噪声的方法和设备 | |
| CN106131423A (zh) | 一种拍照方法、装置及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180408 Address after: 100191 Xueyuan Road, Haidian District, Haidian District, Beijing, No. 607, No. six Patentee after: Beijing Vimicro AI Chip Technology Co Ltd Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |