CN101510255A - 一种识别定位人脸器官的方法、装置和视频处理芯片 - Google Patents
一种识别定位人脸器官的方法、装置和视频处理芯片 Download PDFInfo
- Publication number
- CN101510255A CN101510255A CNA2009100809621A CN200910080962A CN101510255A CN 101510255 A CN101510255 A CN 101510255A CN A2009100809621 A CNA2009100809621 A CN A2009100809621A CN 200910080962 A CN200910080962 A CN 200910080962A CN 101510255 A CN101510255 A CN 101510255A
- Authority
- CN
- China
- Prior art keywords
- human face
- point
- chin
- unit
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000000513 principal component analysis Methods 0.000 claims abstract description 21
- 238000013179 statistical model Methods 0.000 claims description 10
- 210000000056 organ Anatomy 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 3
- 239000012467 final product Substances 0.000 description 2
- 230000002950 deficient Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种识别定位图像中人脸器官的方法、装置和视频处理芯片，所述方法包括：用主分量分析算法建立人脸器官形状的统计模型，采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；基于所述统计模型，用人脸边缘信息搜索方法确定并调整下巴上的轮廓点；将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，基于所述统计模型，用色度值搜索方法确定并调整嘴唇上的轮廓点；依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。本发明在现有技术初步识别人脸器官基础上，对下巴所在的轮廓上的点采用边缘信息的方法单独进行处理；对嘴巴区域采用色度空间进行处理，从而可以更精确地识别定位人脸器官。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种识别定位人脸器官的方法、装置和视频处理芯片。
背景技术
人脸器官定位在人脸识别、人脸动画合成、表情识别等领域都有着重要的应用，现有技术采用活动形状模型(ASM，Active Shaped Model)算法搜索待定点，基于灰度信息对人脸器官进行定位搜索的方法，包括：
采集不同形状的人脸样本，手工从样本中标识出器官的轮廓，用主分量分析(PCA，Principal Component Analysis)算法形成人脸器官形状统计模型；
依据上述步骤标识的轮廓点来统计每个特征点的灰度信息；
根据眼睛、鼻子、嘴巴等人脸器官的位置特征点的灰度信息获得人脸器官的轮廓及其位置，从而识别出人脸器官。
但现有技术方案中，可能会出现局部位置的灰度信息不能明确反映人脸器官轮廓的情况，如关于人脸下巴的识别，由于下巴轮廓点的邻域中一般会包含一些背景点，而不同背景的图像中下巴的轮廓点的特征相差较大，所以基于灰度信息搜索被识别图像，有时不能很准确地搜索到候选点。因此基于灰度信息的方法对人脸器官识别定位的准确性不好。
总之，需要本领域技术人员迫切解决的一个技术问题就是：如何准确识别并确定视频图像中人脸器官的位置。
发明内容
本发明所要解决的技术问题是提供一种识别定位人脸器官的方法，解决现有技术中不能准确识别、定位视频图像中人脸器官的问题。
相应的，本发明还提供了一种人脸器官定位的装置和视频处理芯片，以保证上述方法在实际中的应用。
为了解决上述问题，本发明公开了一种识别定位图像中人脸器官的方法，包括：
步骤S1：用主分量分析算法建立人脸器官形状的统计模型，采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
步骤S2：基于所述统计模型，用人脸边缘信息搜索方法确定并调整下巴上的轮廓点；
步骤S3：将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，基于所述统计模型，用色度值搜索方法确定并调整嘴唇上的轮廓点；
步骤S4：依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
优选的，在步骤S2和S3之间还包括：
基于所述统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。
优选的，所述灰度信息为图像中某个像素点的灰度值，所述灰度值的取值范围为：0～1。
优选的，所述色度值是色相饱和模式下图像中某个像素点的所选颜色的纯度与该颜色的最大纯度之间的比值，所述色度值的取值范围为：0～1。
优选的，所述用主分量分析算法建立人脸器官形状统计模型的方法为：
根据图像的大小，选取主分量分析算法的若干特征分量来确定人脸器官的轮廓点。
依据本发明另一实施例，还公开了一种识别定位人脸器官的装置，包括，活动形状模型单元、下巴轮廓定位单元、嘴唇轮廓定位单元和人脸器官位置确定单元，其中：
活动形状模型单元用于建立基于主分量分析算法的人脸器官形状统计模型，并采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
下巴轮廓定位单元用于采用人脸边缘信息搜索方法调整下巴上的轮廓点；
嘴唇轮廓定位单元用于确定并调整嘴唇上的轮廓点，方法是：
将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，用色度值搜索方法确定嘴唇边缘信息，从而确定并调整嘴唇上的轮廓点；
人脸器官位置确定单元用于依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
优选的，所述装置还包括下巴轮廓第二定位单元，所述下巴轮廓第二定位单元用于基于所述活动形状模型单元建立的人脸器官形状统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。
优选的，所述活动形状模型单元基于主分量分析算法建立人脸器官形状统计模型的方法为：
所述活动形状模型单元根据图像的大小，选取主分量分析算法的若干特征分量来确定人脸器官的轮廓点。
依据本发明另一实施例，还公开了一种视频处理芯片，所述视频处理芯片包括识别定位人脸器官的装置，所述装置包括，活动形状模型单元、下巴轮廓定位单元、嘴唇轮廓定位单元和人脸器官位置确定单元，其中：
活动形状模型单元用于建立基于主分量分析算法的人脸器官形状统计模型，并采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
下巴轮廓定位单元用于采用人脸边缘信息搜索方法调整下巴上的轮廓点；
嘴唇轮廓定位单元用于确定并调整嘴唇上的轮廓点，方法是，将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，然后，基于人脸器官形状统计模型，用所述用色度值搜索方法确定嘴唇边缘信息，从而确定并调整嘴唇上的轮廓点；
人脸器官位置确定单元用于依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
优选的，所述视频处理芯片的识别定位人脸器官的装置还包括下巴轮廓第二定位单元，所述下巴轮廓第二定位单元用于基于所述活动形状模型单元建立的人脸器官形状统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。
与现有技术相比，本发明具有以下优点：
本发明在搜索待定点的时候，在现有技术初步识别人脸器官的基础上，对下巴所在的轮廓上的点，采用边缘信息的方法单独进行处理；对嘴巴区域采用色度空间进行处理，从而可以更精确地识别定位人脸器官。
附图说明
图1是本发明一种识别定位人脸器官的方法实施例流程图；
图2-1是本发明方法实施例基于灰度信搜索方法对人脸器官进行初步识别后的效果示意图；
图2-2是本发明方法实施例基于边缘信搜索方法对下巴进行校正识别后的效果示意图；
图2-3是本发明方法实施例基于色度搜索方法对嘴唇进行校正识别后的效果示意图；
图3是本发明一种识别定位人脸器官的装置实施例结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的核心构思之一在于，在现有技术初步识别人脸器官的基础上，对下巴所在的轮廓上的点，因下巴的边缘比较明显，而且下巴点的邻域中一般会包含一些背景点，而不同背景的图像的下巴点的特征相差较大，故采用边缘信息方法进行搜索；对下巴和脖子结合部位，可能因阴影比较重而造成边缘模糊，故采用灰度信息进行搜索；对嘴巴区域采用色度空间进行处理，从而可以更精确地识别定位人脸器官。
参照图1，示出了本发明一种识别定位人脸器官的方法实施例流程图，具体包括如下步骤：
步骤101：用PCA算法建立人脸器官形状统计模型，采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
用灰度信息搜索方法可以基本确定人脸器官的位置，其效果参见图2-1所示。
步骤102：基于所述统计模型，用人脸边缘信息搜索方法确定并调整下巴上的轮廓点；
其中，所述人脸边缘信息搜索方法为：
首先根据下巴轮廓点及其邻域点来计算下巴上每个轮廓点在轮廓上的切线，然后将与切线垂直的方向确定为边缘点的搜索方向。调整下巴点的目的就是在搜索方向上找到一个边缘点来作为下巴点的新坐标。
然后，沿着搜索方向，并在一定的搜索范围内找到梯度值最大的点作为新点。为了减少噪声的影响，梯度值的计算是在以搜索方向上的点为中心的一个邻域内来进行的，计算该邻域内的所有点的梯度，然后计算平均值来作为梯度值。
最后，利用搜索得到的新的点来进行二次多项式的拟合，得到一条二次曲线。计算每个轮廓点的搜索方向所在直线与二次曲线的交点。将交点作为最终的搜索点。
因为下巴的边缘比较明显，而且下巴点的邻域中一般会包含一些背景点，而不同背景的图像的下巴点的特征相差较大，所以用人脸边缘信息搜索方法可以克服灰度信息有时不能准确搜索到候选点的缺陷，其效果参见图2-2所示。
在本发明公开的另一方法实施例中，基于所述统计模型，用灰度信息搜索方法，进一步调整人脸和脖子结合部位下巴上的轮廓点。
因为下巴和脖子结合部位阴影比较重，造成边缘模糊，所以对下巴部分的点用灰度信息搜索方法，可以进一步校正下巴和脖子结合部位下巴上的轮廓点，其效果参见图2-3所示。
步骤103：将被识别图像的颜色空间由红绿蓝(RGB，Red-Green-Blue)模式转换为色相饱和(HSV，Hue-Saturation-Value)模式，基于所述人脸器官形状统计模型，用色度值搜索方法确定并调整嘴唇上的轮廓点；
嘴唇肤色的特点是偏红，其色度和背景的色度的区别一般都非常明显。所以用色度值搜索方法可以更准确地确定嘴唇轮廓。
所述用色度值搜索方法确定嘴唇轮廓点的步骤为：
首先根据嘴唇轮廓点及其邻域点来计算嘴唇上每个轮廓点在轮廓上的切线，然后将与切线垂直的方向确定为搜索方向。搜索嘴唇点目的就是在搜索方向上找到一个色度变化明显的点来作为嘴唇点的新坐标。
然后，沿着搜索方向连续采集若干个像素的色度值来组成一个数组。以数组中心位置为分界，将左半部分和右半部分的色度值分别累加，然后相减得到的绝对值作为色度变化程度的判断值。在搜索方向上找到一个色度变化程度最大的点作为嘴唇轮廓点的新点。
步骤104：依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
在本发明公开的另一方法实施例中，所述用PCA算法建立人脸器官形状统计模型的方法为：
根据图像的大小，选取PCA算法的若干特征分量来确定人脸器官的轮廓点；其中，对尺寸较小的人脸图像，采用PCA的前几个特征分量来确定人脸器官的轮廓点；对尺寸较大的人脸图像，采用后几个特征分量来确定人脸器官的轮廓点。
根据图像的大小来选择PCA特征分量有理论的依据。根据实际的实验效果，当图像中的人脸大小小于64*64时，其内部器官的轮廓的分布就变得比较紧凑，PCA分量中能量小于50％的部分几乎不会对其轮廓变化产生影响。而当图像中的人脸大于128*128时，PCA分量中能量小于50％的部分更能够细微的反应轮廓(尤其是嘴巴)的变化。因此在轮廓定位中，首先根据人脸检测来确定图像中人脸的大小，然后根据人脸大小来确定采用哪些PCA分量。PCA特征分量的选择的依据是能量，这里的能量是指特征分量对应的特征值。当人脸大小小于64*64时，用能量大于50％的分量来进行定位，大于128*128时用能量小于50％的部分来进行定位，大小位于这两个尺度之间的部分则用全部分量来定位。对于大于128*128的人脸，用能量小于50％的特征向量进行定位后，还需要将人脸图像进行缩小，然后用能量大于50％的部分进行定位。
参照图3，示出了本发明一种识别定位人脸器官的装置实施例结构框图，具体包括：
单元31：活动形状模型单元，用于建立基于PCA算法的人脸器官形状统计模型，并采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
在本发明公开的另一装置实施例中，所述活动形状模型单元31基于PCA算法建立人脸器官形状统计模型的方法为：
所述活动形状模型单元根据图像的大小，选取主分量分析算法的若干特征分量来确定人脸器官的轮廓点；其中，对小图像，采用主分量分析算法的前几个特征分量来确定人脸器官的轮廓点；对大图像，采用后几个特征分量来确定人脸器官的轮廓点。
单元32：下巴轮廓定位单元，用于采用人脸边缘信息搜索方法调整下巴上的轮廓点；
在本发明公开的另一装置实施例中，所述还包括下巴轮廓第二定位单元：
所述下巴轮廓第二定位单元用于基于所述活动形状模型单元31建立的人脸器官形状统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。因为下巴和脖子结合部位阴影比较重，造成边缘模糊，所以对下巴部分的点用灰度信息搜索方法，可以进一步校正下巴和脖子结合部位下巴上的轮廓点。
单元33：嘴唇轮廓定位单元，用于确定并调整嘴唇上的轮廓点，方法是，将被识别图像的颜色空间由RGB模式转换为HSV模式，然后，基于人脸器官形状统计模型，用所述用色度值搜索方法确定嘴唇边缘信息，从而确定并调整嘴唇上的轮廓点；
嘴唇肤色的特点是偏红，其色度和背景的色度的区别一般都非常明显。所以用色度值搜索方法可以更准确地确定嘴唇轮廓。
单元34：人脸器官位置确定单元，用于依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
本发明还公开了一种视频处理芯片，该视频处理芯片包含有识别定位人脸器官的装置，所述装置包括：
单元31：活动形状模型单元，用于建立基于PCA算法的人脸器官形状统计模型，并采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
在本发明公开的另一装置实施例中，所述活动形状模型单元31基于PCA算法建立人脸器官形状统计模型的方法为：
所述活动形状模型单元根据图像的大小，选取主分量分析算法的若干特征分量来确定人脸器官的轮廓点；其中，对小图像，采用主分量分析算法的前几个特征分量来确定人脸器官的轮廓点；对大图像，采用后几个特征分量来确定人脸器官的轮廓点。
单元32：下巴轮廓定位单元，用于采用人脸边缘信息搜索方法调整下巴上的轮廓点；
在本发明公开的另一装置实施例中，所述还包括下巴轮廓第二定位单元：
所述下巴轮廓第二定位单元用于基于所述活动形状模型单元31建立的人脸器官形状统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。因为下巴和脖子结合部位阴影比较重，造成边缘模糊，所以对下巴部分的点用灰度信息搜索方法，可以进一步校正下巴和脖子结合部位下巴上的轮廓点。
单元33：嘴唇轮廓定位单元，用于确定并调整嘴唇上的轮廓点，方法是，将被识别图像的颜色空间由RGB模式转换为HSV模式，然后，基于人脸器官形状统计模型，用所述用色度值搜索方法确定嘴唇边缘信息，从而确定并调整嘴唇上的轮廓点；嘴唇肤色的特点是偏红，其色度和背景的色度的区别一般都非常明显。所以用色度值搜索方法可以更准确地确定嘴唇轮廓。
单元34：人脸器官位置确定单元，用于依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本发明所提供的一种识别定位人脸器官的方法、装置和视频处理芯片，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1、一种识别定位图像中人脸器官的方法，其特征在于，所述方法包括：
步骤S1：用主分量分析算法建立人脸器官形状的统计模型，采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
步骤S2：基于所述统计模型，用人脸边缘信息搜索方法确定并调整下巴上的轮廓点；
步骤S3：将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，基于所述统计模型，用色度值搜索方法确定并调整嘴唇上的轮廓点；
步骤S4：依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
2、如权利要求1所述的方法，其特征在于，在步骤S2和S3之间还包括：
基于所述统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。
3、如权利要求1，或2所述的方法，其特征在于：
所述灰度信息为图像中某个像素点的灰度值，所述灰度值的取值范围为：0～1。
4、如权利要求1所述的方法，其特征在于：
所述色度值是色相饱和模式下图像中某个像素点的所选颜色的纯度与该颜色的最大纯度之间的比值，所述色度值的取值范围为：0～1。
5、如权利要求1，或2所述的方法，其特征在于，所述用主分量分析算法建立人脸器官形状统计模型的方法为：
根据图像的大小，选取主分量分析算法的若干特征分量来确定人脸器官的轮廓点。
6、一种识别定位人脸器官的装置，包括，活动形状模型单元，其特征在于，还包括，下巴轮廓定位单元、嘴唇轮廓定位单元和人脸器官位置确定单元，其中：
活动形状模型单元用于建立基于主分量分析算法的人脸器官形状统计模型，并采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
下巴轮廓定位单元用于采用人脸边缘信息搜索方法调整下巴上的轮廓点；
嘴唇轮廓定位单元用于确定并调整嘴唇上的轮廓点，方法是：
将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，用色度值搜索方法确定嘴唇边缘信息，从而确定并调整嘴唇上的轮廓点；
人脸器官位置确定单元用于依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
7、如权利要求6所述的装置，其特征在于，所述装置还包括下巴轮廓第二定位单元，所述下巴轮廓第二定位单元用于基于所述活动形状模型单元建立的人脸器官形状统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。
8、如权利要求6，或7所述的装置，其特征在于，所述活动形状模型单元基于主分量分析算法建立人脸器官形状统计模型的方法为：
所述活动形状模型单元根据图像的大小，选取主分量分析算法的若干特征分量来确定人脸器官的轮廓点。
9、一种视频处理芯片，其特征在于，所述视频处理芯片包括识别定位人脸器官的装置，所述装置包括，活动形状模型单元、下巴轮廓定位单元、嘴唇轮廓定位单元和人脸器官位置确定单元，其中：
活动形状模型单元用于建立基于主分量分析算法的人脸器官形状统计模型，并采用灰度信息搜索方法对被识别图像中的人脸器官进行初步定位；
下巴轮廓定位单元用于采用人脸边缘信息搜索方法调整下巴上的轮廓点；
嘴唇轮廓定位单元用于确定并调整嘴唇上的轮廓点，方法是，将被识别图像的颜色空间由红绿蓝模式转换为色相饱和模式，然后，基于人脸器官形状统计模型，用所述用色度值搜索方法确定嘴唇边缘信息，从而确定并调整嘴唇上的轮廓点；
人脸器官位置确定单元用于依据被识别图像中人脸器官的轮廓点，确定人脸器官的位置，完成人脸器官的识别过程。
10、如权利要求9所述的视频处理芯片，其特征在于，所述下巴轮廓定位单元的功能还包括：
基于所述活动形状模型单元建立的人脸器官形状统计模型，用灰度信息搜索方法，确定并调整人脸和脖子结合部位下巴上的轮廓点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2009100809621A CN101510255A (zh) | 2009-03-30 | 2009-03-30 | 一种识别定位人脸器官的方法、装置和视频处理芯片 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2009100809621A CN101510255A (zh) | 2009-03-30 | 2009-03-30 | 一种识别定位人脸器官的方法、装置和视频处理芯片 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101510255A true CN101510255A (zh) | 2009-08-19 |
Family
ID=41002650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2009100809621A Pending CN101510255A (zh) | 2009-03-30 | 2009-03-30 | 一种识别定位人脸器官的方法、装置和视频处理芯片 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101510255A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101968849A (zh) * | 2010-09-27 | 2011-02-09 | 杭州电子科技大学 | 一种基于3g智能手机的图片去红眼方法 |
| CN102999164A (zh) * | 2012-11-30 | 2013-03-27 | 广东欧珀移动通信有限公司 | 一种电子书翻页控制方法及智能终端 |
| CN103218603A (zh) * | 2013-04-03 | 2013-07-24 | 哈尔滨工业大学深圳研究生院 | 一种人脸自动标注方法及系统 |
| CN103914699A (zh) * | 2014-04-17 | 2014-07-09 | 厦门美图网科技有限公司 | 一种基于色彩空间的自动唇彩的图像增强的方法 |
| CN104156719A (zh) * | 2014-07-26 | 2014-11-19 | 佳都新太科技股份有限公司 | 基于形状和光照模型的人脸图像光照处理方法 |
| CN105184261A (zh) * | 2015-09-11 | 2015-12-23 | 贵州华城楼宇科技有限公司 | 基于大数据处理的快速视频人脸识别方法 |
| CN107038401A (zh) * | 2016-02-03 | 2017-08-11 | 北方工业大学 | 一种嘴唇轮廓的分割及特征提取方法 |
| CN108922005A (zh) * | 2018-09-04 | 2018-11-30 | 北京诚志重科海图科技有限公司 | 一种基于人脸识别的通行控制系统及方法 |
| CN109410138A (zh) * | 2018-10-16 | 2019-03-01 | 北京旷视科技有限公司 | 修饰双下巴的方法、装置和系统 |
| CN110689515A (zh) * | 2019-10-17 | 2020-01-14 | 河南大学 | 一种采用智能识别技术的计算机图像处理系统 |
-
2009
- 2009-03-30 CN CNA2009100809621A patent/CN101510255A/zh active Pending
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101968849B (zh) * | 2010-09-27 | 2013-01-02 | 杭州电子科技大学 | 一种基于3g智能手机的图片去红眼方法 |
| CN101968849A (zh) * | 2010-09-27 | 2011-02-09 | 杭州电子科技大学 | 一种基于3g智能手机的图片去红眼方法 |
| CN102999164A (zh) * | 2012-11-30 | 2013-03-27 | 广东欧珀移动通信有限公司 | 一种电子书翻页控制方法及智能终端 |
| CN103218603B (zh) * | 2013-04-03 | 2016-06-01 | 哈尔滨工业大学深圳研究生院 | 一种人脸自动标注方法及系统 |
| CN103218603A (zh) * | 2013-04-03 | 2013-07-24 | 哈尔滨工业大学深圳研究生院 | 一种人脸自动标注方法及系统 |
| CN103914699A (zh) * | 2014-04-17 | 2014-07-09 | 厦门美图网科技有限公司 | 一种基于色彩空间的自动唇彩的图像增强的方法 |
| CN103914699B (zh) * | 2014-04-17 | 2017-09-19 | 厦门美图网科技有限公司 | 一种基于色彩空间的自动唇彩的图像增强的方法 |
| CN104156719A (zh) * | 2014-07-26 | 2014-11-19 | 佳都新太科技股份有限公司 | 基于形状和光照模型的人脸图像光照处理方法 |
| CN105184261A (zh) * | 2015-09-11 | 2015-12-23 | 贵州华城楼宇科技有限公司 | 基于大数据处理的快速视频人脸识别方法 |
| CN105184261B (zh) * | 2015-09-11 | 2016-05-18 | 贵州华城楼宇科技有限公司 | 基于大数据处理的快速视频人脸识别方法 |
| CN107038401A (zh) * | 2016-02-03 | 2017-08-11 | 北方工业大学 | 一种嘴唇轮廓的分割及特征提取方法 |
| CN107038401B (zh) * | 2016-02-03 | 2018-10-30 | 北方工业大学 | 一种嘴唇轮廓的分割及特征提取方法 |
| CN108922005A (zh) * | 2018-09-04 | 2018-11-30 | 北京诚志重科海图科技有限公司 | 一种基于人脸识别的通行控制系统及方法 |
| CN109410138A (zh) * | 2018-10-16 | 2019-03-01 | 北京旷视科技有限公司 | 修饰双下巴的方法、装置和系统 |
| CN110689515A (zh) * | 2019-10-17 | 2020-01-14 | 河南大学 | 一种采用智能识别技术的计算机图像处理系统 |
| CN110689515B (zh) * | 2019-10-17 | 2022-04-15 | 河南大学 | 一种采用智能识别技术的计算机图像处理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101510255A (zh) | 一种识别定位人脸器官的方法、装置和视频处理芯片 | |
| CN103456010B (zh) | 一种基于特征点定位的人脸卡通画生成方法 | |
| CN107123088B (zh) | 一种自动更换证件照背景颜色的方法 | |
| US8774503B2 (en) | Method for color feature extraction | |
| CN103839223B (zh) | 图像处理方法及装置 | |
| CN103186904B (zh) | 图片轮廓提取方法及装置 | |
| CN106506901B (zh) | 一种显著性视觉注意模型的混合式数字图像半色调方法 | |
| CN107507144B (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
| CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
| CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
| US10945657B2 (en) | Automated surface area assessment for dermatologic lesions | |
| CN107038401B (zh) | 一种嘴唇轮廓的分割及特征提取方法 | |
| CN109725721A (zh) | 用于裸眼3d显示系统的人眼定位方法及系统 | |
| CN101771825A (zh) | 图像亮色补偿的方法和装置 | |
| CN106558044A (zh) | 影像模组的解像力测量方法 | |
| CN113223098B (zh) | 图像颜色分类的预处理优化方法 | |
| US20150221101A1 (en) | Method of selecting a region of interest | |
| CN107403185B (zh) | 人像颜色转换方法和人像颜色转换系统 | |
| KR102010086B1 (ko) | 미세조직의 상 분할 방법 및 장치 | |
| CN106501271A (zh) | 产品外观检测方法 | |
| CN114998189B (zh) | 一种彩色显示点缺陷检测方法 | |
| CN105678815A (zh) | 一种获取颜色卡编码的方法及装置 | |
| CN109345544A (zh) | 一种24色卡的色差自动分析方法 | |
| CN106683128B (zh) | 一种用于机场跑道图像的亚像素配准方法 | |
| CN111652016B (zh) | 一种人脸识别训练数据的增广方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20090819 |