CN101957909A - 一种基于dsp的人脸检测方法 - Google Patents
一种基于dsp的人脸检测方法 Download PDFInfo
- Publication number
- CN101957909A CN101957909A CN2009100168410A CN200910016841A CN101957909A CN 101957909 A CN101957909 A CN 101957909A CN 2009100168410 A CN2009100168410 A CN 2009100168410A CN 200910016841 A CN200910016841 A CN 200910016841A CN 101957909 A CN101957909 A CN 101957909A
- Authority
- CN
- China
- Prior art keywords
- face
- people
- image
- dsp
- facial 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 238000013480 data collection Methods 0.000 claims abstract description 3
- 230000001815 facial effect Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000018109 developmental process Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 10
- 239000000047 product Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于DSP平台的人脸检测方法。此方法通过对动态视频截取图像，并利用图像处理手段，以模型整体属性为主，考虑人脸整体与各部分之间的拓扑关系，提取并利用关键信息来寻找特征点，从而完成整体人脸检测。系统硬件部分由以下三部分组成：前端图像采集部分采用带红外摄像功能的CCD摄像头；信息处理部分采用BF533处理器；后端将电视与DSP平台相连接直接显示人脸检测结果。软件部分采用Visual DSP++开发环境进行编程实现数据搜集、处理、输出控制。
Description
所述技术领域
发明涉及一种基于DSP平台的人脸检测方法可以应用到人脸识别、安全访问和视频监控等领域，本发明通过对动态视频截取图像，并利用图像处理手段，以模型整体属性为主，考虑人脸整体与各部分之间的拓扑关系，提取并利用关键信息来寻找特征点来完成人脸检测。
背景技术
人脸检测的问题最初来源于人脸识别，人脸自动识别的研究最早可以追溯到20世纪60～70年代。经多几十年的曲折发展，人脸的自动识别已经有了较为成功的方法，目前正日趋成熟。一个完整的人脸自动识别系统应该包括人脸检测、特征提取、匹配识别三大基本过程。
人脸检测问题很长一段时间并未受到重视是因为早期的人脸识别的研究主要针对具有强约束条件的人脸图像(如无背景或背景简单的图像)，往往假设人脸位置已知或很容易获得。进入20世纪90年代以后，随着网络安全和电子商务等应用需要的剧增，人脸识别成为最有潜力的生物身份鉴别方式，出现了实际的人脸识别系统和商用产品，这种应用背景要求自动识别系统能够对一般环境图像具有一定的适应能力，由此所面临的问题使得人们对人脸检测的各个重要方面引起了极大的研究兴趣，从而成为一个专门的研究方向。
目前国外对人脸检测问题的研究很多，比较著名的有美国麻省理工大学(MIT)的媒体实验室和人工智能实验室、卡内基梅隆大学(CMU)的机器人研究所、Illinois大学的Beckman研究所；国内的清华大学、北京工业大学、南京理工大学、四川大学、上海交通大学、中国科学院计算技术研究所和中国科学院自动化研究所。MPEG7标准组织已经建立了人脸检测算法草案小。
关于人脸检测研究的文章如IEEE的FG(IEEE International Conference onAutomatic Face and Gesture Recognition)、CVPR(IEEE Computer SocietyConference on Computer Vision and Pattern Recognition)、ICPI(IEEEInternational Conference on Image Processing)、ICPR(IEEE InternationalConference on Pattern Recognition).
目前人脸检测的方法有基于特征的人脸检测方法即主要是利用人脸的明显特征，如几何特征、肤色、纹理等，将人脸的图像视为一个高维向量，从而将人脸检测的问题转化为高维空间中分布信号的检测问题，人脸特征主要包括人脸轮廓特征、灰度分布特征、器官特征、模板特征、纹理特征、颜色特征，然后利用特征搜索算法完成人脸检测。
基于图像的人脸检测方法基本思想是把人脸检测的问题视为一个广义的模式识别问题，从而通过训练过程将样本分为人脸和非人脸两类。这类方法主要包括线性子空间方法、神经网络方法和其他统计方法。
基于活动轮廓型的单人脸检测方法，活动轮廓模型是求解曲线进化的一种重要的数学工具，它是定义在图像域上的曲线或曲面，相对于刚性模型而言，活动轮廓模型能使自己发生变形以匹配到显著的图像特征，通过保持模型的平滑，以及综合其他诸如目标形状等先验信息，活动轮廓模型主要分为参数活动轮廓模型和几何活动轮廓模型两种。
目前国内外生产的人脸检测的产品主要作为人脸识别系统一个重要组成一个部分，国外的主要有：德国Cognitec Systems公司的Face VACS人脸识别系统，德国HumanScan公司的BioID身份识别系统，美国Identix公司的FaceIt人脸识别系统，加拿大Imagis公司的ID-2000面部识别软件，美国Viisage公司的FaceTools人脸识别系统，国内的主要有：上海银晨智能识别科技有限公司开发的人脸检测音视频压缩卡，广州超越公司的BioFace系统。
以上叙述的人脸侧方法及产品均主要依赖PC机无法实现自主人脸检测，这很大程度上限制了人脸检测的应用前景。因此基于DSP的人脸检测方法可以克服上述的缺点，自主实现人脸检测。
而且，目前公知的人脸检测技术的研究多依赖于PC机，这就造成人脸检测技术不能方便、快捷的应用到其他领域，而且一般的检测方法只使用单一的肤色或者边缘特征，误检率比较高，检测精度也有限。本发明可以完全脱离PC机自主实现人脸检测即基于DSP建立人脸检测系统，且检测精度高。
目前，在国内没有查到基于DSP的人脸检测方法的专利。
发明内容
为了克服现有的人脸检测技术产品多依赖于PC机，本发明提供一种基于DSP的人脸检测方法，该方法既可以与PC机相连也可以完全脱离PC机自主实现人脸检测。
本发明以DSP平台为载体，通过采用带红外摄像功能的CCD摄像头进行视频采集，并对视频进行静态图像截取，通过对图像进行处理以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态。人脸检测主要的难点有两方面，一方面是由于人脸内在的变化所引起：(1)人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；(2)人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等。另一方面由于外在条件变化所引起：(1)由于成像角度的不同造成人脸的多姿态，如平面内旋转、平面外旋转以及上下旋转，其中平面外旋转影响较大；(2)光照的影响，如图像中的亮度、对比度的变化和阴影等。(3)图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。这些困难都为解决人脸检测问题造成了难度。本发明的DSP平台系统可以有效的解决上述的遇到的难点。
本发明解决其技术问题所采用的技术方案是：系统硬件部分由以下三部分组成：前端图像采集部分采用带红外摄像功能的CCD摄像头；信息处理部分采用BF533处理器；后端将电视与DSP平台相连接直接显示人脸检测结果。软件部分采用Visual DSP++开发环境进行编程实现数据搜集、处理、输出控制。这对于视频监控、身份识别领域有着广阔的应用前景，对开展人脸检测的研究具有重大意义。本产品通过对动态视频截取图像，并利用图像处理手段，以模型整体属性为主，考虑人脸整体与各部分之间的拓扑关系，提取并利用关键信息来寻找特征点，从而完成整体人脸检测。
本发明的有益效果是，可以在DSP平台上自主实现人脸检测，结构简单，可以方便、快捷的应用到其他领域，与同类产品相比价格便宜。
附图说明
下面结合附图和实施例对本实用新型进一步说明。
图1是系统硬件框架图。
图2是系统软件框图。
图3是系统结构框图。
图中包括部件：摄像头、DSP平台、显示屏、报警系统、智能检测软件系统、PC机、存储器。
具体实施方式
在图1中该智能检测平台系统将监测区域通过摄像头摄取进来，同时对摄取到的视频序列进行图像处理以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态，并将处理的结果在显示屏上进行实时显示，报警系统可以实现人脸提示功能，PC机与存储器可以扩充该产品的功能，智能检测软件系统在算法上可以实现对人脸的检测及处理。
在图2中是在DSP实验平台基础上开发了相应的程序，主要完成图像增强、图像分割、特征选择图像增强、特征压缩等环节的多种算法，最终采用灰度形态学图像平滑、相对熵阈值法图像分割、几何归一化和灰度归一化进行图像的人脸目标检测、特征压缩以及对动态目标的自动跟踪等功能。
在图3中智能检测平台中的32Mbytes的SDRAM配置SAMSUNG-K4S5616320，一片4Mbytes的NOR Flash(AMD-29LV320BT)，通过CPLD中的逻辑扩展，占据BF533异步存储区0～3.75Mbytes地址空间。CPLD为访问和控制外部总线接口上的各种设备提供了寄存器和逻辑的扩展。CPLD将Flash映射到0x2000，0000～0x203B，FFFF3.75MB的地址上，将其他设备的扩展寄存器映射到0x203C，0000～0x2040，00000.25MB的地址上，EBIU连接外部存储设备到处理器，它包括一个16位的数据总线、一个地址总线以及一个控制总线。JTAG调试接口通过仿真器与PC相连，PPI视频设备接口，端口配置为输入并与SAA7113连接，SAA7113为视频解码器实现把输入的模拟视频信号解码成符合标准的数字视频信号，GD6829为视频编码器实现把输入的数字视频信号编码成符合标准的模拟视频信号。
其工作流程如下：
(1)摄像头获取原始图像后，需要对图像进行平滑、增强等预处理。
(2)利用相对熵阈值的图像分割技术获取最佳的全局阈值，以利于后续的特征提取和识别。
(3)图像分割后得到的人脸可能含有孤立点噪声，需要对其进行滤波处理。
(4)通过深入研究人脸的颜色及形态学特征，针对处理后的图像，提取出面积、周长、复杂度、纹理等特征作为人脸原始特征，对人脸进行检测。
(5)显示屏可实时显示出人脸图像。
在对图像的处理上利用的算法1是采用Sobel算子，Sobel算子是一种梯度幅值计算方法，通过对数字图像f(x，y)的每个像素，考察它上、下、左、右相邻点灰度的加权差，与之接近的相邻点的加权值大小。Sobel梯度算子是先做成加权平均，再微分，然后求梯度即定义Sobel算子：
s(x，y)＝|Δxf(x，y)|+|Δyf(x，y)|
Sobel算子的核心是两个3×3的卷积核，通过这两个小区域模板在图像中的移动，完成图像中每个像素点同这两个卷积核的卷积运算。Sobel算子实现对图像灰度的检测把图像边缘提取出来。
算法2是利用拉普拉斯算子，拉普拉斯算子的定义是：
在数字图像中，可用差分来近似运算，拉普拉斯算子对噪声敏感，是噪声成分加强，所以在用拉普拉斯算子时要对图像进行平滑操作，然后再二阶微分。
算法3中是利用Canny算子进行边缘检测，其基本原理是首先用高斯滤波器平滑图像；再用一阶偏导的有限差分来计算梯度的幅值和方向；接着对梯度幅值进行非极大值抑制；最后用双阈值算法检测和连接边缘。
通过以上算法再结合Hough直线变换和Hough圆变换对图像进行处理，从而最终实现图像的检测。
Claims (8)
1.一种基于DSP平台的人脸检测方法，其特征在于：
该DSP平台前端与摄像头及智能检测软件系统相连接，末端与显示屏及报警系统相连接，且该DSP平台能够与PC机、存储器及其他外部控制输入设备相连接。
所述的人脸检测方法以DSP平台为载体，通过采用带红外摄像CCD摄像头进行视频采集，然后智能检测软件系统对图像进行处理以确定其中是否含有人脸并对人脸进行检测。最后通过高清显示屏显示出人脸检测的结果。
2.根据权利要求1所述的基于DSP平台的人脸检测方法，其特征在于：
所述智能检测软件系统以Visual DSP++开发环境进行编程实现数据搜集、处理、输出控制。
3.根据权利要求2所述的基于DSP平台的人脸检测方法，其特征在于：
所述智能检测软件系统对摄像头采集的视频序列进行人脸图像预处理、图像分割、特征提取。
所述的人脸图像预处理采用一个图像屏蔽模板来屏蔽人脸图像边缘的噪声、亮度、阴影。
所述的人脸图像分割将人脸图像划分成若干个互不相交的小区域，即人脸所占的图像区域、前景所占的图像区域。
所述的人脸特征提取进行人脸灰度特征提取、人脸纹理特征提取、人脸颜色特征提取。
4.根据权利要求3所述的基于DSP平台的人脸检测方法，其特征在于：
所述的人脸图像预处理采用的图像屏蔽模板即利用高斯平滑与sobel算子相结合再利用高斯微分与sobel算子相结合进行边缘提取，然后再用拉普拉斯算子对图像进行平滑运算，最后利用canny算子进行边缘检测，实现屏蔽人脸图像边缘的噪声、亮度、阴影。
所述的人脸图像分割就是利用金字塔方法及相对熵阈值的图像分割技术将人脸区域与背景区域分割开，图像分割后得到的人脸如果含有孤立点噪声，则对其进行滤波处理。
所述的人脸特征提取就是利用sobel算子提取人脸轮廓，再利用Floodfill算法进行图像域填充提取人脸灰度特征，再通过人脸的颜色及形态学特征，针对人脸图像分割处理后的图像，提取出面积、周长、复杂度、纹理等特征作为人脸原始特征。
5.一种基于DSP平台进行人脸检测的DSP平台，其特征在于：
具有对人脸图像处理的功能，并能与智能检测软件系统相结合实现对人脸图像的检测，同时通过显示屏显示人脸检测的结果。
所述的DSP平台以ADSP-BF533处理器为主芯片通过EBIU把SDRAM和Flash存储器连接到存储器接口上，然后使用CPLD为控制外部总线接口上的设备提供了寄存器和逻辑的扩展，再通过处理器上的JTAG调试接口通过仿真器与PC相连实现JTAG的硬件调试功能，再通过PPI接口与视频解码器、视频编码器、LCD、传感器相连接实现视频的输出。
6.一种用于人脸检测的DSP平台，其特征在于包括：
DSP智能检测平台系统，该系统以DSP平台为载体，该平台前端与摄像头及智能检测软件系统相连接，末端与显示屏及报警系统相连接，且该DSP平台以ADSP-BF533处理器为主芯片通过EBIU把SDRAM和Flash存储器连接到存储器接口上，然后使用CPLD为控制外部总线接口上的设备提供了寄存器和逻辑的扩展，再通过处理器上的JTAG调试接口通过仿真器与PC相连实现JTAG的硬件调试功能，再通过PPI接口与视频解码器、视频编码器、LCD、传感器相连接实现视频的输出。
智能检测软件系统，以Visual DSP++为软件开发环境实现对图像的处理及检测。
摄像头，采用带红外摄像的CCD。
7.根据权利要求5所述的DSP平台，其特征在于：
所述的ADSP-533处理器能接收智能检测软件系统对人脸图像处理的结果，同时能对此结果进行再处理。
8.根据权利要求1所述的基于DSP平台的人脸检测方法，其特征在于：
所述的显示屏可实时显示人脸图像，并显示检测结果。
所述的报警系统能对检测到的人脸实时报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910016841A CN101957909B (zh) | 2009-07-15 | 2009-07-15 | 一种基于dsp的人脸检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910016841A CN101957909B (zh) | 2009-07-15 | 2009-07-15 | 一种基于dsp的人脸检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101957909A true CN101957909A (zh) | 2011-01-26 |
| CN101957909B CN101957909B (zh) | 2012-09-05 |
Family
ID=43485233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200910016841A Expired - Fee Related CN101957909B (zh) | 2009-07-15 | 2009-07-15 | 一种基于dsp的人脸检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101957909B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105357523A (zh) * | 2015-10-20 | 2016-02-24 | 苏州科技学院 | 一种基于hosvd算法视频压缩系统及方法 |
| CN106375747A (zh) * | 2016-08-31 | 2017-02-01 | 广州市百果园网络科技有限公司 | 一种图像处理方法、及设备 |
| CN107563341A (zh) * | 2017-09-15 | 2018-01-09 | 赵立峰 | 一种人脸识别装置与一种人脸识别系统 |
| CN108234770A (zh) * | 2018-01-03 | 2018-06-29 | 京东方科技集团股份有限公司 | 一种辅助化妆系统、辅助化妆方法、辅助化妆装置 |
| CN108764037A (zh) * | 2018-04-24 | 2018-11-06 | 石狮市森科智能科技有限公司 | 一种基于ARM Cotex-A系列平台的人脸检测实现方法 |
| CN110097673A (zh) * | 2019-05-17 | 2019-08-06 | 北京深醒科技有限公司 | 一种基于红外摄像头下的门禁识别方法 |
| CN113808354A (zh) * | 2021-11-16 | 2021-12-17 | 深圳市思拓通信系统有限公司 | 一种用于工地危险区域预警的方法、装置及介质 |
| CN114694233A (zh) * | 2022-06-01 | 2022-07-01 | 成都信息工程大学 | 一种基于多特征的考场监控视频图像中人脸定位方法 |
| CN115953823A (zh) * | 2023-03-13 | 2023-04-11 | 成都运荔枝科技有限公司 | 一种基于大数据的人脸识别方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1224900C (zh) * | 2001-12-29 | 2005-10-26 | 上海银晨智能识别科技有限公司 | 基于dsp的嵌入式人脸自动检测方法 |
| CN101196984B (zh) * | 2006-12-18 | 2010-05-19 | 北京海鑫科金高科技股份有限公司 | 一种快速人脸检测方法 |
| CN200992861Y (zh) * | 2006-12-18 | 2007-12-19 | 汉王科技股份有限公司 | 报警防盗门锁 |
| CN101201895B (zh) * | 2007-09-20 | 2010-06-02 | 北京清大维森科技有限责任公司 | 嵌入式人脸识别监测器及其检测方法 |
-
2009
- 2009-07-15 CN CN200910016841A patent/CN101957909B/zh not_active Expired - Fee Related
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105357523A (zh) * | 2015-10-20 | 2016-02-24 | 苏州科技学院 | 一种基于hosvd算法视频压缩系统及方法 |
| CN106375747A (zh) * | 2016-08-31 | 2017-02-01 | 广州市百果园网络科技有限公司 | 一种图像处理方法、及设备 |
| CN106375747B (zh) * | 2016-08-31 | 2018-11-23 | 广州市百果园网络科技有限公司 | 一种图像处理方法、及设备 |
| CN107563341A (zh) * | 2017-09-15 | 2018-01-09 | 赵立峰 | 一种人脸识别装置与一种人脸识别系统 |
| CN108234770B (zh) * | 2018-01-03 | 2020-11-03 | 京东方科技集团股份有限公司 | 一种辅助化妆系统、辅助化妆方法、辅助化妆装置 |
| CN108234770A (zh) * | 2018-01-03 | 2018-06-29 | 京东方科技集团股份有限公司 | 一种辅助化妆系统、辅助化妆方法、辅助化妆装置 |
| CN108764037B (zh) * | 2018-04-24 | 2021-12-24 | 石狮市森科智能科技有限公司 | 一种基于ARM Cotex-A系列平台的人脸检测实现方法 |
| CN108764037A (zh) * | 2018-04-24 | 2018-11-06 | 石狮市森科智能科技有限公司 | 一种基于ARM Cotex-A系列平台的人脸检测实现方法 |
| CN110097673A (zh) * | 2019-05-17 | 2019-08-06 | 北京深醒科技有限公司 | 一种基于红外摄像头下的门禁识别方法 |
| CN113808354A (zh) * | 2021-11-16 | 2021-12-17 | 深圳市思拓通信系统有限公司 | 一种用于工地危险区域预警的方法、装置及介质 |
| CN114694233A (zh) * | 2022-06-01 | 2022-07-01 | 成都信息工程大学 | 一种基于多特征的考场监控视频图像中人脸定位方法 |
| CN114694233B (zh) * | 2022-06-01 | 2022-08-23 | 成都信息工程大学 | 一种基于多特征的考场监控视频图像中人脸定位方法 |
| CN115953823A (zh) * | 2023-03-13 | 2023-04-11 | 成都运荔枝科技有限公司 | 一种基于大数据的人脸识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101957909B (zh) | 2012-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101957909B (zh) | 一种基于dsp的人脸检测方法 | |
| Radman et al. | Automated segmentation of iris images acquired in an unconstrained environment using HOG-SVM and GrowCut | |
| Deore et al. | Study of masked face detection approach in video analytics | |
| Batchuluun et al. | Action recognition from thermal videos | |
| CN105138995B (zh) | 基于骨架信息的时不变及视不变的人体行为识别方法 | |
| CN109190456B (zh) | 基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法 | |
| Khan et al. | Multiple human detection in depth images | |
| Wu et al. | Recognition of Student Classroom Behaviors Based on Moving Target Detection. | |
| Li et al. | Research on a product quality monitoring method based on multi scale PP-YOLO | |
| Batchuluun et al. | Action recognition from thermal videos using joint and skeleton information | |
| Zhou et al. | A study on attention-based LSTM for abnormal behavior recognition with variable pooling | |
| Zhang et al. | A small target detection method based on deep learning with considerate feature and effectively expanded sample size | |
| CN111680670B (zh) | 一种跨模态人头检测方法及装置 | |
| Gupta | A survey of techniques and applications for real time image processing | |
| Li et al. | A novel method for lung masses detection and location based on deep learning | |
| Qin et al. | Gesture recognition from depth images using motion and shape features | |
| Dong et al. | FusionPID: A PID control system for the fusion of infrared and visible light images | |
| Zafar et al. | Novel iris segmentation and recognition system for human identification | |
| Chan et al. | Stereo vision human motion detection and tracking in uncontrolled environment | |
| Zhang et al. | Applying Color Doppler Image based Virtual Surgery in Placenta Previa Cesarean Section. | |
| Li et al. | Application of thermal infrared imagery in human action recognition | |
| Xue et al. | Detection of young green apples in orchard environment using adaptive ratio chromatic aberration and HOG-SVM | |
| Seo et al. | Facial Pore Segmentation Algorithm using Shallow CNN | |
| Yu et al. | Automatic Detection of Peeled Shrimp Based on Image Enhancement and Convolutional Neural Networks | |
| Huang et al. | Design of target detection and tracking system for sports video |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB02 | Change of applicant information |
Address after: 266101 Shandong Province, Qingdao city Laoshan District Songling Road No. 99 Applicant after: Qingdao University of Science & Technology Address before: 266042 Zhengzhou Road, Sifang District, Shandong, China, No. 53, No. Applicant before: Qingdao University of Science & Technology |
|
| C53 | Correction of patent of invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhao Wencang Inventor before: Zhao Wencang Inventor before: Yang Zhen Inventor before: Cao Haiqing |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: ZHAO WENCANG YANG ZHEN CAO HAIQING TO: ZHAO WENCANG |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20110126 Assignee: Shandong Fortis Mdt InfoTech Ltd Assignor: Qingdao University of Science & Technology Contract record no.: 2014370000211 Denomination of invention: Digital signal processor (DSP)-based face detection method Granted publication date: 20120905 License type: Exclusive License Record date: 20141225 |
|
| LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120905 Termination date: 20180715 |