CN101923637B - 一种移动终端及其人脸检测方法和装置 - Google Patents
一种移动终端及其人脸检测方法和装置 Download PDFInfo
- Publication number
- CN101923637B CN101923637B CN201010233049.3A CN201010233049A CN101923637B CN 101923637 B CN101923637 B CN 101923637B CN 201010233049 A CN201010233049 A CN 201010233049A CN 101923637 B CN101923637 B CN 101923637B
- Authority
- CN
- China
- Prior art keywords
- window
- image
- skin color
- face
- image contour
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 32
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 abstract 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 241000405217 Viola <butterfly> Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域，公开了一种移动终端及其人脸检测方法和装置，所述方法包括：对人脸图像进行分割处理，获取人脸对应的肤色区域；对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓；计算对图像轮廓进行检测的窗口大小和步长，根据计算结果调整层次分类器的大小和步长；根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认。本发明提供的人脸检测方式能够方便的结合手持终端进行使用，而且本发明不仅减少了搜索时间，而且还降低了误识率，利于手持终端的推广。
Description
技术领域
本发明属于移动终端技术领域，具体涉及一种移动终端及其人脸检测方法和装置。
背景技术
近年来，随着计算机视觉技术的发展和移动多媒体商业应用需求的推动，面向嵌入式应用的人脸检测与跟踪技术得到了很大的发展，譬如手机人脸识别，手机拍照人脸特效，人脸替换，手机拍照人脸对焦，人脸识别门禁等应用场景，都需要对特定人脸目标进行检测，这些应用的体验水平与人脸检测方法的性能密切相关。
国内外研究者提出了许多有效的人脸检测方法，综合国内外文献大体上可以概括为两大类：基于知识的方法和基于学习的方法：
其中，基于知识的方法主要是利用人脸特征来检测人脸，这些特征主要包括：灰度特征、几何特征、结构特征、纹理特征和肤色特征，其中基于肤色模型的方法应用比较多，该方法具有算法简单、搜索速度快等优点，但是精确性方面欠佳；
基于学习的方法主要包括：基于特征空间的方法、基于人工神情网络的方法、基于概率模型的方法、基于支持向量机的方法和基于AdaBoost等方法。其中，Viola等在文献中提出的基于AdaBoost的方法，不仅检测效果好，而且检测速度快，得到了广泛的应用。虽然Viola等建立了世界上第一个基于PC平台的实时人脸检测系统，但是对于手机等资源配置有限的嵌入式平台而言，实时性体验水准还有待改善。
如何提供一种能够方便的嵌入手持终端，减少搜索时间，降低误识率的人脸检测拍摄方法，是手持终端技术领域研究的方向之一。
发明内容
本发明的目的在于提供一种人脸检测方法，目的在于提供一种能够方便的嵌入手持终端，减少搜索时间，降低误识率的人脸检测拍摄方法。
本发明实施例是这样实现的，一种人脸检测方法，所述方法包括以下步骤：
对人脸图像进行分割处理，获取人脸对应的肤色区域；
对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓；
计算对图像轮廓进行检测的窗口大小和步长，根据计算结果调整层次分类器的大小和步长；
根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认。
本发明实施例的另一目的在于提供一种人脸检测装置，所述装置包括：
图像分割模块，用于对人脸图像进行分割处理，获取人脸对应的肤色区域；
几何检测模块，用于对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓；
预估目标计算模块，用于计算对图像轮廓进行检测的窗口大小和步长，根据计算结果调整层次分类器的大小和步长；
图像轮廓确认模块，用于根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认。
本发明实施例的还一目的在于提供一种具有拍摄功能的移动终端，所述终端包括本发明实施例提供的人脸检测装置。
本发明实施例通过对图像进行分割获取人脸肤色区域，然后进行几何检测获取人脸图像轮廓，并获取对图像轮廓进行检测的窗口大小和步长，根据获取的窗口大小和步长对获取的图像轮廓进行确认，不仅能对复杂背景下的彩色视频序列进行人脸检测，而且具有检测速度比原始经典算法快，检测精度高等优点，非常适合手机等嵌入式系统应用。
附图说明
图1为本发明实施例提供的人脸检测方法的流程图；
图2为本发明实施例提供的人脸检测装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1示出了本发明实施例提供的人脸检测方法的流程。
在步骤S101中，对人脸图像进行分割处理，获取人脸对应的肤色区域。
在具体实施过程中，在对图像进行分割处理时，首先选择HSV颜色空间对图像进行分割，由于人脸肤色在HSV空间具有良好的聚类性，便于后续进行肤色建模。之后，在分割后的区域内，通过第一肤色分布模型获取人脸对应的肤色区域。
其中，所述第一肤色分布模型为：
（1）
其中，表示像素点的H值。
由于人脸肤色色度在颜色空间中对应一定的分布区域，因此通过统计大量的肤色样本可以建立肤色分布模型。
本发明的发明人对80幅彩色人脸图像进行直方图统计分析，结果表明：在HSV色彩空间，通过公式(1)可以得到比较完整的肤色区域。
在步骤S102中，对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓。
经过肤色分割后，可以滤掉大部分非肤色和类肤色区域，但是还有一些噪声、类肤色区域和非人脸肤色区域。人脸是一个有典型特征的模型，利用人脸的几何特征可以排除掉一些具有肤色特征但是不具备形状特征的区域。
其中，在对获取的肤色区域进行几何检测时，包括：对肤色区域通过第一滤波公式进行面积滤波；对肤色区域通过第二滤波公式进行圆度检测；对肤色区域通过第三滤波公式进行高宽检测：
其中，所述对肤色区域进行面积滤波的第一滤波公式为：
对所述图像轮廓进行检测的窗口的所有像素灰度和：；
然后进行面积滤波：；
其中，为阀值；j=[1,N],K=[1,M]是区域中像素坐标集,M×N代表像素的个数；表示对所述图像轮廓进行检测的窗口中像素的灰度值；
对彩色人脸图像进行统计实验，结果表明：取＝k*100，k＝{0,1}是一个经验系数，能滤掉绝大部分类肤色噪点和小块类肤色区域。
所述对肤色区域进行圆度检测的第二滤波公式为：
；
其中，；表示预估目标数，是阀值，是标识符号；表示对所述图像轮廓进行检测的窗口的面积，表示对所述图像轮廓进行检测的窗口的周长；
本发明发明人通过对80幅彩色人脸图像的圆度进行统计实验，结果表明：取＝0.0637能取得较好的效果，能滤掉绝大部分非人脸区域。
所述对肤色区域进行高宽检测的第三滤波公式为：
；
其中，；表示预估目标数；是阀值；为标识符号；表示对所述图像轮廓进行检测的窗口的高度；表示对所述图像轮廓进行检测的窗口的宽度；是比例因子。
本发明发明人通过对ORL人脸数据库中的100幅人脸图像的长宽比例因子进行统计分析，结果表明：取＝[0.9,2.1]能取得较好的效果，能滤掉部分类人脸肤色的非人脸区域。
通过肤色、面积、圆度和长宽检测后，基本上能准确检测出普通环境下大部分人脸。
在步骤S103中，计算对图像轮廓进行检测的窗口大小和步长，根据计算结果调整层次分类器的大小和步长；
在具体实施过程中，在计算对图像轮廓进行检测的窗口大小和步长时，使用以下公式：
；
窗口大小中的高度：；
窗口步长：；
其中，表示对所述图像轮廓进行检测的窗口的最小面积，表示对所述图像轮廓进行检测的窗口的长宽比例因子，表示修正系数；为对所述图像轮廓进行检测的窗口的最大面积。
在步骤S104中，根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认。
改进算法中有两个修正系数和k，是结合具体应用场景通过大量统计实验得到的优化经验值。
本发明结合了人脸肤色特征检测、人脸几何特征检测和基于AdaBoost的检测方法，只需结合肤色和形状特征的复合人脸肤色检测方法就能取得较好的识别效果。通过大量的实验表明，本发明实施例具有检测速度快、算法简单等优点，非常适合手机等嵌入式系统应用。
图2示出了本发明实施例提供的人脸检测装置的结构，所述装置包括图像分割模块21、几何检测模块22、预估目标计算模块23以及图像轮廓确认模块24。
其中，图像分割模块21，用于对人脸图像进行分割处理，获取人脸对应的肤色区域；
几何检测模块22，用于对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓；
预估目标计算模块23，用于计算对图像轮廓进行检测的窗口大小和步长，根据计算结果调整层次分类器的大小和步长；
图像轮廓确认模块24，用于根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认。
在具体实施过程中，所述图像分割模块21，还用于选择HSV颜色空间对图像进行分割，并在分割后的区域内，通过第一肤色分布模型获取人脸对应的肤色区域，其中，所述第一肤色分布模型为：
；
其中，表示像素点的H值。
在具体实施过程中，所述几何检测模块22，还用于对肤色区域通过第一滤波公式进行面积滤波，对肤色区域通过第二滤波公式进行圆度检测，以及，对肤色区域通过第三滤波公式进行高宽检测：
其中，所述第一滤波公式为：
对所述图像轮廓进行检测的窗口的所有像素灰度和：；
；
其中，为阀值；j=[1,N],K=[1,M]是区域中像素坐标集,M×N代表像素的个数；表示对所述图像轮廓进行检测的窗口中像素的灰度值；
所述第二滤波公式为：
；
；
其中，表示预估目标数，是阀值，是标识符号；表示对所述图像轮廓进行检测的窗口的面积，表示对所述图像轮廓进行检测的窗口的周长；
所述第三滤波公式为：
；
；
其中，表示预估目标数；是阀值；为标识符号；表示对所述图像轮廓进行检测的窗口的高度；表示对所述图像轮廓进行检测的窗口的宽度；是比例因子。
在具体实施过程中，所述预估目标计算模块23使用以下公式计算对图像轮廓进行检测的窗口大小和步长：
；
窗口大小中的高度：；
窗口步长：；
其中，表示对所述图像轮廓进行检测的窗口的最小面积，表示对所述图像轮廓进行检测的窗口的长宽比例因子，表示修正系数；为对所述图像轮廓进行检测的窗口的最大面积。
本发明实施例还提供一种拍摄终端，所述终端包括本发明实施例提供的人脸检测装置，鉴于该装置在上文已有详细的描述，此处不再赘述。
本发明实施例通过对图像进行分割获取人脸肤色区域，然后进行几何检测获取人脸图像轮廓，并获取对图像轮廓进行检测的窗口大小和步长，根据获取的窗口大小和步长对获取的图像轮廓进行确认，不仅能对复杂背景下的彩色视频序列进行人脸检测，而且具有检测速度比原始经典算法快，检测精度高等优点，非常适合手机等嵌入式系统应用。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种人脸检测方法，其特征在于，所述方法包括以下步骤：
对人脸图像进行分割处理，获取人脸对应的肤色区域；
对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓；
计算对图像轮廓进行检测的窗口的大小和步长，根据计算结果调整层次分类器的大小和步长；
根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认；
在对获取的肤色区域进行几何检测时，包括：
对肤色区域通过第一滤波公式进行面积滤波；对肤色区域通过第二滤波公式进行圆度检测；对肤色区域通过第三滤波公式进行高宽检测：
其中，所述第一滤波公式为：
对所述图像轮廓进行检测的窗口的所有像素灰度和：；
；
其中，为阀值；j=[1，N]，K=[1,M]是区域中像素坐标集，M×N代表像素的个数；表示对所述图像轮廓进行检测的窗口中像素的灰度值；
其中，所述第二滤波公式为：
；
；
其中，表示预估目标数，是阀值，是标识符号；表示对所述图像轮廓进行检测的窗口的面积，表示对所述图像轮廓进行检测的窗口的周长；取＝0.0637，滤掉非人脸区域；
所述第三滤波公式为：
；
；
其中，表示预估目标数；是阀值；为标识符号；表示对所述图像轮廓进行检测的窗口的高度；表示对所述图像轮廓进行检测的窗口的宽度；是比例因子；取＝[0.9，2.1]，滤掉类人脸肤色的非人脸区域。
2.如权利要求1所述的人脸检测方法，其特征在于，在计算对图像轮廓进行检测的窗口的大小和步长时，使用以下公式：
窗口大小中的宽度：；
窗口大小中的高度：；
窗口步长：；
其中，表示对所述图像轮廓进行检测的窗口的最小面积，表示对所述图像轮廓进行检测的窗口的长宽比例因子，和k表示修正系数；为对所述图像轮廓进行检测的窗口的最大面积。
3.如权利要求1所述的人脸检测方法，其特征在于，在对图像进行分割处理时，具体包括：
选择HSV颜色空间对图像进行分割；
在分割后的区域内，通过第一肤色分布模型获取人脸对应的肤色区域，其中，所述第一肤色分布模型为：
；
其中，表示像素点的H值。
4.一种人脸检测装置，其特征在于，所述装置包括：
图像分割模块，用于对人脸图像进行分割处理，获取人脸对应的肤色区域；
几何检测模块，用于对获取的肤色区域进行几何检测，获取人脸图像的图像轮廓；
预估目标计算模块，用于计算对图像轮廓进行检测的窗口大小和步长，根据计算结果调整层次分类器的大小和步长；
图像轮廓确认模块，用于根据调整后的层次分类器的大小和步长对获取的图像轮廓进行确认；所述几何检测模块，还用于，
对肤色区域通过第一滤波公式进行面积滤波；对肤色区域通过第二滤波公式进行圆度检测；对肤色区域通过第三滤波公式进行高宽检测：
其中，所述第一滤波公式为：
对所述图像轮廓进行检测的窗口的所有像素灰度和：；
；
其中，为阀值；j=[1，N]，K=[1,M]是区域中像素坐标集，M×N代表像素的个数；表示对所述图像轮廓进行检测的窗口中像素的灰度值；
其中，所述第二滤波公式为：
；
；
其中，表示预估目标数，是阀值，是标识符号；表示对所述图像轮廓进行检测的窗口的面积，表示对所述图像轮廓进行检测的窗口的周长；取＝0.0637，滤掉非人脸区域；
所述第三滤波公式为：
；
；
其中，表示预估目标数；是阀值；为标识符号；表示对所述图像轮廓进行检测的窗口的高度；表示对所述图像轮廓进行检测的窗口的宽度；是比例因子；取＝[0.9,2.1]，滤掉类人脸肤色的非人脸区域。
5.如权利要求4所述的人脸检测装置，其特征在于，所述预估目标计算模块使用以下公式计算对图像轮廓进行检测的窗口大小和步长：
窗口大小中的宽度：；
窗口大小中的高度：；
窗口步长：；
其中，表示对所述图像轮廓进行检测的窗口的最小面积，表示对所述图像轮廓进行检测的窗口的长宽比例因子，和k表示修正系数；为对所述图像轮廓进行检测的窗口的最大面积。
6.如权利要求4所述的人脸检测装置，其特征在于，所述图像分割模块，还用于，
选择HSV颜色空间对图像进行分割；
在分割后的区域内，通过第一肤色分布模型获取人脸对应的肤色区域，其中，所述第一肤色分布模型为：
；
其中，表示像素点的H值。
7.一种具有拍摄功能的移动终端，其特征在于，所述移动终端包括权利要求4至6任一项所述的人脸检测装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010233049.3A CN101923637B (zh) | 2010-07-21 | 2010-07-21 | 一种移动终端及其人脸检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010233049.3A CN101923637B (zh) | 2010-07-21 | 2010-07-21 | 一种移动终端及其人脸检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101923637A CN101923637A (zh) | 2010-12-22 |
| CN101923637B true CN101923637B (zh) | 2016-03-16 |
Family
ID=43338561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010233049.3A Expired - Fee Related CN101923637B (zh) | 2010-07-21 | 2010-07-21 | 一种移动终端及其人脸检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101923637B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020580B (zh) * | 2011-09-23 | 2015-10-28 | 无锡中星微电子有限公司 | 快速人脸检测方法 |
| CN103020949A (zh) * | 2011-09-27 | 2013-04-03 | 康佳集团股份有限公司 | 人脸图像检测方法 |
| CN102546945A (zh) * | 2012-01-04 | 2012-07-04 | 广东步步高电子工业有限公司 | 手机拍照自动优化的方法 |
| EP3167407A4 (en) * | 2014-08-07 | 2017-11-08 | Huawei Technologies Co. Ltd. | A processing device and method for face detection |
| CN106846419B (zh) * | 2015-12-03 | 2020-06-05 | 阿里巴巴集团控股有限公司 | 一种图像中人像轮廓的确定方法和装置 |
| WO2018094653A1 (zh) * | 2016-11-24 | 2018-05-31 | 华为技术有限公司 | 一种用户头发模型的重建方法、装置及终端 |
| CN107633237B (zh) * | 2017-09-30 | 2020-05-29 | 北京金山安全软件有限公司 | 图像背景分割方法、装置、设备及介质 |
| CN109671138B (zh) * | 2018-11-26 | 2021-06-25 | 声望(上海)文化传播有限公司 | 自拍视频头像背景双重叠方法及相关产品 |
| CN110084204B (zh) * | 2019-04-29 | 2020-11-24 | 北京字节跳动网络技术有限公司 | 基于目标对象姿态的图像处理方法、装置和电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1728161A (zh) * | 2005-07-28 | 2006-02-01 | 上海交通大学 | 基于非均匀量化颜色特征矢量的敏感图像过滤方法 |
| CN101236599A (zh) * | 2007-12-29 | 2008-08-06 | 浙江工业大学 | 基于多摄像机信息融合的人脸识别检测装置 |
| CN101383001A (zh) * | 2008-10-17 | 2009-03-11 | 中山大学 | 一种快速准确的正面人脸判别方法 |
| CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2395779A (en) * | 2002-11-29 | 2004-06-02 | Sony Uk Ltd | Face detection |
-
2010
- 2010-07-21 CN CN201010233049.3A patent/CN101923637B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1728161A (zh) * | 2005-07-28 | 2006-02-01 | 上海交通大学 | 基于非均匀量化颜色特征矢量的敏感图像过滤方法 |
| CN101236599A (zh) * | 2007-12-29 | 2008-08-06 | 浙江工业大学 | 基于多摄像机信息融合的人脸识别检测装置 |
| CN101383001A (zh) * | 2008-10-17 | 2009-03-11 | 中山大学 | 一种快速准确的正面人脸判别方法 |
| CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101923637A (zh) | 2010-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101923637B (zh) | 一种移动终端及其人脸检测方法和装置 | |
| CN109635686B (zh) | 结合人脸与外观的两阶段行人搜索方法 | |
| CN110909690A (zh) | 一种基于区域生成的遮挡人脸图像检测方法 | |
| CN112257569B (zh) | 一种基于实时视频流的目标检测和识别方法 | |
| CN111310718A (zh) | 一种遮挡人脸图像高准确率检测对比方法 | |
| CN104049760B (zh) | 一种人机交互命令的获取方法及系统 | |
| CN1975759A (zh) | 一种基于结构主元分析的人脸识别方法 | |
| CN102521579B (zh) | 一种基于二维平面摄像头推的动作识别方法及系统 | |
| CN105740945A (zh) | 一种基于视频分析的人群计数方法 | |
| CN107944354B (zh) | 一种基于深度学习的车辆检测方法 | |
| CN102842037A (zh) | 一种基于多特征融合的车辆阴影消除方法 | |
| WO2019007253A1 (zh) | 图像识别方法、装置及设备、可读介质 | |
| WO2022127814A1 (zh) | 一种图像的显著性物体检测方法、装置、设备及存储介质 | |
| CN112926552B (zh) | 基于深度神经网络的遥感影像车辆目标识别模型及方法 | |
| CN109343701A (zh) | 一种基于动态手势识别的智能人机交互方法 | |
| CN108647605B (zh) | 一种结合全局颜色与局部结构特征的人眼凝视点提取方法 | |
| CN106023184A (zh) | 一种基于各向异性中心环绕差异的深度显著性检测方法 | |
| CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| CN107153806B (zh) | 一种人脸检测方法及装置 | |
| CN109241932B (zh) | 一种基于运动方差图相位特征的热红外人体动作识别方法 | |
| CN107895162A (zh) | 基于物体先验的图像显著性目标检测算法 | |
| CN102509308A (zh) | 基于混合动态纹理空时显著性检测的运动分割方法 | |
| CN111444913B (zh) | 一种基于边缘引导稀疏注意力机制的车牌实时检测方法 | |
| CN113052136A (zh) | 一种基于改进Faster RCNN的行人检测方法 | |
| Hong et al. | Improved SSD model for pedestrian detection in natural scene |
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 |
Effective date of registration: 20170323 Address after: 518053 Nanshan District, Guangdong overseas Chinese town, Shantou street, No. 7, No. Patentee after: Shenzhen KONKA Telecommunications Technology Co.,Ltd. Address before: 518053 overseas Chinese town, Shenzhen, Guangdong Patentee before: KONKA GROUP Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160316 Termination date: 20210721 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |