CN105678313A - 一种图像分离方法及装置 - Google Patents
一种图像分离方法及装置 Download PDFInfo
- Publication number
- CN105678313A CN105678313A CN201410670499.7A CN201410670499A CN105678313A CN 105678313 A CN105678313 A CN 105678313A CN 201410670499 A CN201410670499 A CN 201410670499A CN 105678313 A CN105678313 A CN 105678313A
- Authority
- CN
- China
- Prior art keywords
- skin
- colour
- color
- subregion
- character 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
Landscapes
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种图像分离方法及装置,包括:获取人物图像中的肤色区域;筛选肤色区域中人脸所在位置处的第一肤色子区域,该人脸所在位置通过人脸识别得到;提取第一肤色子区域的像素特征信息;采用聚类算法将肤色区域划分为多个第二肤色子区域;合并与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图。本发明的图像分离方法及装置,通过两次分割的方式,避免了现有图像分离技术中存在漏检的现象;基于人脸识别获得的第一肤色子区域最接近人物肤色信息,将与第一肤色子区域相似的第二肤色子区域进行合并,得到初级肤色子图,这样就将肤色区域筛选出来,而去除类肤色区域,避免了多检现象,提高了分离的精确度。
Description
技术领域
本发明涉及图像处理、图像区域分割和识别领域,尤其涉及一种图像分离方法及装置,用于分离人物图像中的肤色子图。
背景技术
随着拍照的普及,人们对于照片的要求越来越高,因此需要对图像的处理要求也越来越高,而对于人物图像中,肤色区域识别为图像处理的基础,现有技术中常采用以下两种方法识别人物图像中的肤色区域,一是对肤色建立多颜色空间模型,如采用RGB/YIQ,经过对各人种肤色进行统计或者机器学习得出。采用多颜色空间能够弥补单颜色统计的不足,提高了肤色区域的识别率,是现在主流的肤色分割方法;二是采用聚类分割算法,再从聚类结果中根据肤色统计模型或者机器学习模型来确定;而这两类主流方法都基于颜色空间使用统计或者机器学习的方法来建立肤色模型。面对多种人种,多种年龄段,这个肤色模型无法达到高效,常常有漏检或者多检的情况,对于各类肤色很容易误判,把不是肤色检测成肤色区域。
发明内容
为了解决上述技术问题,本发明提供了一种图像分离方法及装置,解决了现有技术中人物图像中肤色区域的分离技术中常常存在漏检或者多检,且容易对类肤色区域误判的问题。
依据本发明的一个方面,提供了一种图像分离方法,用于分离人物图像中的肤色子图,包括:
获取人物图像中的肤色区域;
筛选肤色区域中人脸所在位置处的第一肤色子区域,该人脸所在位置通过人脸识别得到;
提取第一肤色子区域的像素特征信息;
采用聚类算法将肤色区域划分为多个第二肤色子区域;
合并与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图。
可选地,在得到初级肤色子图的步骤之后还包括:
对人物图像进行灰度化处理,提取人物图像中人物的轮廓;
采用连通域算法,在轮廓中找到初级肤色子图的所在位置,得到初级肤色子图的连通区域;
获取人物图像中对应该连通区域的区域,则得到完整的肤色子图。
可选地,在获取人物图像中的肤色区域的步骤之前还包括:对人物图像进行预处理操作,预处理操作包括:去噪滤波、彩色均衡化。
可选地,获取人物图像中的肤色区域的步骤包括:
将人物图像在RGB颜色空间下进行一次过滤;
将经过一次过滤后的人物图像从RGB颜色空间转换到YIQ颜色空间,并对其进行二次过滤,得到肤色区域。
可选地,提取第一肤色子区域的像素特征信息的步骤包括:
统计第一肤色子区域内的像素点,并根据像素点的统计结果计算第一肤色子区域的像素均值;
计算人物图像中人脸所在的中心区域内像素的HSI均值,得到第一肤色子区域的颜色特征。
可选地,获取第二肤色子区域的步骤包括:
采用RGB转HSI算法,将肤色区域从RGB颜色空间转换到HSI颜色空间;
采用K-mean聚类算法将肤色区域划分为多个子图,得到第二肤色子区域。
依据本发明的另一个方面,还提供了一种图像分离装置,用于分离人物图像中的肤色子图,包括:
第一获取模块,用于获取人物图像中的肤色区域;
第一分割模块,用于筛选肤色区域中人脸所在位置处的第一肤色子区域;
人脸识别模块,用于对人物图像进行人脸识别,得到人脸所在位置;
第一提取模块,用于提取所述第一肤色子区域的像素特征信息;
第二分割模块,用于采用聚类算法将肤色区域划分为多个第二肤色子区域;
聚合模块,用于合并与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图。
可选地,该图像分离装置还包括:
第二提取模块,用于提取经灰度化处理后的人物图像中人物的轮廓;
连通模块,用于采用连通域算法,在轮廓中找到初级肤色子图的所在位置,得到初级肤色子图的连通区域;
第二获取模块,用于获取人物图像中对应连通区域的区域,则得到完整的肤色子图。
可选地,该图像分离装置还包括:
预处理模块,用于对人物图像进行预处理操作,预处理操作包括:去噪滤波、彩色均衡化。
可选地,第一获取模块包括:
第一过滤模块,用于将人物图像在RGB颜色空间下进行一次过滤;
第二过滤模块,用于将经过一次过滤后的人物图像从RGB颜色空间转换到YIQ颜色空间,并对其进行二次过滤,得到肤色区域。
可选地,第一提取模块包括:
第一计算模块,用于统计第一肤色子区域内的像素点,并根据像素点的统计结果计算第一肤色子区域的像素均值;
第二计算模块,用于计算人物图像中人脸所在的中心区域内像素的HSI均值,得到第一肤色子区域的颜色特征。
可选地,第二分割模块包括:
转换模块,用于采用RGB转HSI算法,将肤色区域从RGB颜色空间转换到HSI颜色空间;
划分模块,用于采用K-mean聚类算法将肤色区域划分为多个子图,得到第二肤色子区域。
本发明的实施例的有益效果是:一种图像分离方法及装置,用于分离人物图像中的肤色子图,通过对人物图像进行两次过滤得到肤色区域,并对该肤色区域进行第一次分割得到人脸所在位置处的第一肤色子区域,进行第二次分割得到第二肤色子区域,再将与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域进行合并,得到该人物图像中初级肤色子图,通过两次分割方式,避免了现有图像分离技术中存在漏检的现象;而基于人脸识别获得的第一肤色子区域的像素特征信息最接近人物肤色的像素特征信息,将与第一肤色子区域像素特征信息的比值在预定范围内的第二肤色子区域进行合并,得到初级肤色子图,这样就将肤色区域筛选出来,而去除类肤色区域,避免了多检的现象,提高了图像分离的精确度。
附图说明
图1表示本发明的图像分离方法的流程图;
图2表示本发明的图像分离方法的具体流程图;
图3表示本发明的图像分离装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例
如图1所示,本发明的实施例提供了一种图像分离方法,用于分离人物图像中的肤色子图,该图像分离方法包括:
步骤10:获取人物图像中的肤色区域;
现有技术中对人物图像中肤色区域的提取方法有很多种,利用多空间颜色模型的方式可以提高肤色区域的识别率,是主流的肤色区域提取方法,本发明的肤色区域提取采用传统的双颜色空间分割法,获取人物图像中全部肤色区域,即实现第一次分割;
可选地,将待分离肤色子图的人物图像,在RGB颜色空间,即红绿蓝模型,进行一次过滤,将经过一次过滤后的人物图像从RGB颜色空间,转换到YIQ颜色空间,并对其进行二次过滤,即可得到肤色区域,过滤掉人物图像中的非肤色区域。其中,Y表示灰度值,I、Q表示色调。
步骤20:筛选肤色区域中人脸所在位置处的第一肤色子区域,该人脸所在位置通过人脸识别得到;
利用人脸识别技术,将人物图像中的人脸所在位置,现有技术中的人脸识别技术已经很成熟,常用的算法有:基于adaboost机器学习的算法,开源库有OpenCV,商业的有Face++等;将获取到的人脸所在位置与提取到的肤色区域相对应,筛选出肤色区域中人脸所在位置处的第一肤色子区域;
可选地,为提高肤色区域提取和人脸识别的准确性,在获取人物图像中的肤色区域的步骤之前还包括:对人物图像进行预处理操作,预处理需经过必要的去噪滤波,如果该人物图像的亮度较差,比较昏暗的话,需进行彩色均衡化增强处理,具体方法如下:把人物图像从RGB空间转换到YIQ空间,对I进行均衡化,均衡化后转回到RGB空间;算法可以采用经典的直方图均衡化算法。
步骤30:提取第一肤色子区域的像素特征信息;
统计第一肤色子区域内的像素点,计算像素总数的算法如下:
SkinPixCount=Weight*Height(ifValue(pix)!=白色)
其中,SkinPixCount表示符合条件的像素点的总数;Weight表示第一肤色子区域的长度;Height表示第一肤色子区域的宽度;Value(pix)表示第一肤色内任何一点的像素,且该像素满足一个条件,就是该像素为非白色,这就是说白色作为非肤色区域;采用这个算法就可以将第一肤色区域长度和宽度范围内的全部像素点都统计到,从而得到该区域内的像素总数;根据像素点的统计结果计算第一肤色子区域的像素均值;
计算人物图像中人脸所在的中心区域,经验算法为:取人脸面积的1/4大小,长和宽分别是人脸大小的1/2,该区域的中心和人脸中心一致;依据本算法的思想,可采用以下算法得到该中心区域的左上角坐标和右下角坐标,从而确定该中心区域的位置:
其中,GreenBox(LU)表示该中心区域的左上角坐标;GreenBox(RB)表示该中心区域的右下角坐标;FaceWidth表示人脸所在位置区域的宽度;FaceHeight表示人脸所在位置区域的高度,在进行人脸识别后,会获取到人脸所在位置区域的宽度和高度这两个参数,进而可以计算得到中心区域的左上角坐标和右下角坐标,从而得到该中心区域;
计算人物图像中人脸所在的中心区域内像素的HSI均值,即色度、饱和度和强度的平均值,得到第一肤色子区域的颜色特征;具体可根据以下算法实现:
HAvg=H/SkinPixCount
SAvg=S/SkinPixCount
IAvg=I/SkinPixCount
其中,HAvg表示该中心区域内色度的平均值;SAvg表示该中心区域内饱和度的平均值;IAvg表示该中心区域内强度的平均值;SkinPixCount表示该中心区域内像素总数,利用上述计算第一肤色子区域内像素总数的算法,只需将该中心区域的长度和宽度的数值代替原第一肤色子区域的长度和宽度数值,即可计算出该中心区域的像素总数。
步骤40:采用聚类算法将肤色区域划分为多个第二肤色子区域;
这个步骤是核心步骤之一,分割的输入是第一次分割得到的人物图像中的肤色区域,在这个基础上进行第二次分割能大大减少非肤色区域的干扰;分割时我们一般会设定经验块数6,分割后我们会得到6个第二肤色子图,其中包括我们所需要的真正的肤色子图和无用的其它类肤色子图;我们需要把真正的肤色子图找出来,其中真正的肤色子图可能不止一个,有多个真正的肤色子图时则需要合并;这就需要利用之前提取的第一肤色子区域内的像素特征信息。将相应的第二肤色子区域准确地找出来;
可选地,通过对RGB/LUV/HSV多个颜色空间的测试比较,HSI空间的肤色分割效果相对最好,而第一次分割得出的肤色区域是基于RGB颜色空间得到的,首先需利用RGB转HIS算法,将该肤色区域转换到HIS颜色空间下;然后再利用聚类算法将该肤色区域划分为多个子图,进而得到第二肤色子区域;其中,现阶段成熟的聚类算法有很多,如:K-MEANS、ROCK、STING等。
步骤50:合并与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图;
经过聚类分割后会得到多个第二肤色子区域,其中包括真正的肤色子图和好多个类肤色子图,这就需要把类肤色子图过滤掉;在这里过滤的方法是根据计算第一肤色子区域的像素特征信息的算法计算所有第二肤色子区域的像素特征信息,再将第二肤色子区域的像素特征信息与第一肤色子区域的像素特征信息相比,比值落在预定范围内的第二肤色子区域则为真正的肤色子图,将符合条件的第二肤色子区域进行合并,即可得到该人物图像的初级肤色子图;其中确定第二肤色子图中的真正的肤色子图可采用以下算法实现:
|HsubAvg-HAvg|≤40
|SsubAvg-SAvg|≤0.16
|IsubAvg-IAvg|≤0.23
其中,HsubAvg表示第二肤色子区域的色调的平均值,具体可根据计算第一肤色子区域的色调平均值的算法进行计算;SsubAvg表示第二肤色子区域的饱和度平均值,具体可根据计算第一肤色子区域的饱和度平均值的算法进行计算;IsubAvg表示第二肤色子区域的强度平均值,具体可根据计算第一肤色子区域的强度平均值的算法进行计算;当第二肤色子区域与第一肤色子区域中的色调、饱和度和强度的平均值的差值均满足预定阀值内时,则认为找到了一个真正的肤色子图;其中,为确定主肤色子图,则需利用下述算法确定:
SkinPixCount(subFace)/SkinPixCount(Face)∈[0.8,1.2]
其中,SkinPixCount(subFace)表示第二肤色子区域内的像素点总数,SkinPixCount(face)表示第一肤色区域内的像素点总数,当这两个数值的比值在预定的阀值内,则可提取出真正肤色子图中的主肤色子图。
在经过两次分割后,我们得到了初级肤色子图,该肤色子图的肤色边界可能需要修正,还有该初级肤色子图有时并不能包括所有的肤色子图,如果皮肤有高光等原因,可能只会取到一部分;这样就有必要使用连通域的方法,得到全部的肤色子图,如图2所示,本发明的图像分离方法还包括:
步骤60:对人物图像进行灰度化处理,提取人物图像中人物的轮廓;
此步骤中可以使用经典的canny算法提取,具体实现可以使用开源的OpenCV;
步骤70:采用连通域算法,在轮廓中找到初级肤色子图的所在位置,得到初级肤色子图的连通区域;
根据得到的初级肤色子图和提取到的轮廓,可以在轮廓中找到初级肤色子图所在的位置,利用连通域算法,如常用的漫水填充算法,即可将轮廓内的区域找齐,这样就得到了初级肤色区域的连通区域;
步骤80:获取人物图像中对应该连通区域的区域,则得到完整的肤色子图;
在原人物图像中将对应初级肤色区域的连通区域提取出来,即可得到完整的肤色子图。
本发明的图像分离方法,用于分离人物图像中的肤色子图,通过对人物图像进行两次过滤得到肤色区域,并对该肤色区域进行第一次分割得到人脸所在位置处的第一肤色子区域,进行第二次分割得到第二肤色子区域,再将与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域进行合并,得到该人物图像中初级肤色子图,通过两次分割方式,避免了现有图像分离技术中存在漏检的现象;而基于人脸识别获得的第一肤色子区域的像素特征信息最接近人物肤色的像素特征信息,将与第一肤色子区域像素特征信息的比值在预定范围内的第二肤色子区域进行合并,得到初级肤色子图,这样就将肤色区域筛选出来,而去除类肤色区域,避免了多检的现象,提高了图像分离的精确度。
依据本发明的另一个方面,还提供了一种图像分离装置,如图3所示,包括:
第一获取模块,用于获取人物图像中的肤色区域;
第一分割模块,用于筛选肤色区域中人脸所在位置处的第一肤色子区域;
人脸识别模块,用于对人物图像进行人脸识别,得到人脸所在位置;
第一提取模块,用于提取所述第一肤色子区域的像素特征信息;
第二分割模块,用于采用聚类算法将肤色区域划分为多个第二肤色子区域;
聚合模块,用于合并与第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图。
可选地,该图像分离装置还包括:
第二提取模块,用于提取经灰度化处理后的人物图像中人物的轮廓;
连通模块,用于采用连通域算法,在轮廓中找到初级肤色子图的所在位置,得到初级肤色子图的连通区域;
第二获取模块,用于获取人物图像中对应连通区域的区域,则得到完整的肤色子图。
可选地,该图像分离装置还包括:
预处理模块,用于对人物图像进行预处理操作,预处理操作包括:去噪滤波、彩色均衡化。
可选地,第一获取模块包括:
第一过滤模块,用于将人物图像在RGB颜色空间下进行一次过滤;
第二过滤模块,用于将经过一次过滤后的人物图像从RGB颜色空间转换到YIQ颜色空间,并对其进行二次过滤,得到肤色区域。
可选地,第一提取模块包括:
第一计算模块,用于统计第一肤色子区域内的像素点,并根据像素点的统计结果计算第一肤色子区域的像素均值;
第二计算模块,用于计算人物图像中人脸所在的中心区域内像素的HSI均值,得到第一肤色子区域的颜色特征。
可选地,第二分割模块包括:
转换模块,用于采用RGB转HSI算法,将肤色区域从RGB颜色空间转换到HSI颜色空间;
划分模块,用于采用K-mean聚类算法将肤色区域划分为多个子图,得到第二肤色子区域。
需要说明的是,该装置是与上述图像分离方法对应的装置,上述方法实施例中所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
以上所述的是本发明的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本发明所述的原理前提下还可以作出若干改进和润饰,这些改进和润饰也在本发明的保护范围内。
Claims (12)
1.一种图像分离方法,用于分离人物图像中的肤色子图,其特征在于,包括:
获取人物图像中的肤色区域;
筛选所述肤色区域中人脸所在位置处的第一肤色子区域,所述人脸所在位置通过人脸识别得到;
提取所述第一肤色子区域的像素特征信息;
采用聚类算法将所述肤色区域划分为多个第二肤色子区域;
合并与所述第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图。
2.根据权利要求1所述的图像分离方法,其特征在于,在得到所述初级肤色子图的步骤之后还包括:
对所述人物图像进行灰度化处理,提取所述人物图像中人物的轮廓;
采用连通域算法,在所述轮廓中找到所述初级肤色子图的所在位置,得到所述初级肤色子图的连通区域;
获取所述人物图像中对应所述连通区域的区域,则得到完整的肤色子图。
3.根据权利要求1或2所述的图像分离方法,其特征在于,在所述获取人物图像中的肤色区域的步骤之前还包括:
对所述人物图像进行预处理操作,所述预处理操作包括:去噪滤波、彩色均衡化。
4.根据权利要求1或2所述的图像分离方法,其特征在于,所述获取人物图像中的肤色区域的步骤包括:
将所述人物图像在RGB颜色空间下进行一次过滤;
将经过一次过滤后的人物图像从RGB颜色空间转换到YIQ颜色空间,并对其进行二次过滤,得到所述肤色区域。
5.根据权利要求1或2所述的图像分离方法,其特征在于,提取所述第一肤色子区域的像素特征信息的步骤包括:
统计所述第一肤色子区域内的像素点,并根据像素点的统计结果计算所述第一肤色子区域的像素均值;
计算人物图像中人脸所在的中心区域内像素的HSI均值,得到所述第一肤色子区域的颜色特征。
6.根据权利要求1或2所述的图像分离方法,其特征在于,获取所述第二肤色子区域的步骤包括:
采用RGB转HSI算法,将所述肤色区域从RGB颜色空间转换到HSI颜色空间;
采用K-mean聚类算法将所述肤色区域划分为多个子图,得到所述第二肤色子区域。
7.一种图像分离装置,用于分离人物图像中的肤色子图,其特征在于,包括:
第一获取模块,用于获取人物图像中的肤色区域;
第一分割模块,用于筛选所述肤色区域中人脸所在位置处的第一肤色子区域;
人脸识别模块,用于对所述人物图像进行人脸识别,得到所述人脸所在位置;
第一提取模块,用于提取所述第一肤色子区域的像素特征信息;
第二分割模块,用于采用聚类算法将所述肤色区域划分为多个第二肤色子区域;
聚合模块,用于合并与所述第一肤色子区域像素特征信息比值在预定范围内的第二肤色子区域,得到初级肤色子图。
8.根据权利要求7所述的图像分离装置,其特征在于,所述图像分离装置还包括:
第二提取模块,用于提取经灰度化处理后的所述人物图像中人物的轮廓;
连通模块,用于采用连通域算法,在所述轮廓中找到所述初级肤色子图的所在位置,得到所述初级肤色子图的连通区域;
第二获取模块,用于获取所述人物图像中对应所述连通区域的区域,则得到完整的肤色子图。
9.根据权利要求7或8所述的图像分离装置,其特征在于,所述图像分离装置还包括:
预处理模块,用于对所述人物图像进行预处理操作,所述预处理操作包括:去噪滤波、彩色均衡化。
10.根据权利要求7或8所述的图像分离装置,其特征在于,所述第一获取模块包括:
第一过滤模块,用于将所述人物图像在RGB颜色空间下进行一次过滤;
第二过滤模块,用于将经过一次过滤后的人物图像从RGB颜色空间转换到YIQ颜色空间,并对其进行二次过滤,得到所述肤色区域。
11.根据权利要求7或8所述的图像分离装置,其特征在于,所述第一提取模块包括:
第一计算模块,用于统计所述第一肤色子区域内的像素点,并根据像素点的统计结果计算所述第一肤色子区域的像素均值;
第二计算模块,用于计算人物图像中人脸所在的中心区域内像素的HSI均值,得到所述第一肤色子区域的颜色特征。
12.根据权利要求7或8所述的图像分离装置,其特征在于,所述第二分割模块包括:
转换模块,用于采用RGB转HSI算法,将所述肤色区域从RGB颜色空间转换到HSI颜色空间;
划分模块,用于采用K-mean聚类算法将所述肤色区域划分为多个子图,得到所述第二肤色子区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410670499.7A CN105678313B (zh) | 2014-11-20 | 2014-11-20 | 一种图像分离方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410670499.7A CN105678313B (zh) | 2014-11-20 | 2014-11-20 | 一种图像分离方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678313A true CN105678313A (zh) | 2016-06-15 |
CN105678313B CN105678313B (zh) | 2019-07-30 |
Family
ID=56957932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410670499.7A Active CN105678313B (zh) | 2014-11-20 | 2014-11-20 | 一种图像分离方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678313B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113551772A (zh) * | 2020-04-07 | 2021-10-26 | 武汉高德智感科技有限公司 | 一种红外测温方法、红外测温系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270303A (zh) * | 2011-07-27 | 2011-12-07 | 重庆大学 | 敏感图像的联合检测方法 |
CN102324036A (zh) * | 2011-09-02 | 2012-01-18 | 北京新媒传信科技有限公司 | 图像中获取人脸肤色区域的方法和装置 |
CN103577838A (zh) * | 2013-11-25 | 2014-02-12 | 苏州大学 | 一种人脸识别方法和装置 |
-
2014
- 2014-11-20 CN CN201410670499.7A patent/CN105678313B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270303A (zh) * | 2011-07-27 | 2011-12-07 | 重庆大学 | 敏感图像的联合检测方法 |
CN102324036A (zh) * | 2011-09-02 | 2012-01-18 | 北京新媒传信科技有限公司 | 图像中获取人脸肤色区域的方法和装置 |
CN103577838A (zh) * | 2013-11-25 | 2014-02-12 | 苏州大学 | 一种人脸识别方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113551772A (zh) * | 2020-04-07 | 2021-10-26 | 武汉高德智感科技有限公司 | 一种红外测温方法、红外测温系统及存储介质 |
CN113551772B (zh) * | 2020-04-07 | 2023-09-15 | 武汉高德智感科技有限公司 | 一种红外测温方法、红外测温系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105678313B (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682601B (zh) | 一种基于多维信息特征融合的驾驶员违规通话检测方法 | |
US8774503B2 (en) | Method for color feature extraction | |
CN102663354B (zh) | 人脸标定方法和系统 | |
CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
CN104899586B (zh) | 对图像中包含的文字内容进行识别方法及装置 | |
CN109636825B (zh) | 印章图形分割方法、装置及计算机可读存储介质 | |
CN106651872A (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
KR100253203B1 (ko) | 동영상을 이용한 객체 추출방법 | |
CN106846339A (zh) | 一种图像检测方法和装置 | |
CN101122952A (zh) | 一种图片文字检测的方法 | |
CN104463138B (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN104463134B (zh) | 一种车牌检测方法和系统 | |
CN109636824A (zh) | 一种基于图像识别技术的多目标计数方法 | |
CN108510491A (zh) | 虚化背景下人体骨骼关键点检测结果的过滤方法 | |
CN104598907B (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
CN110188730A (zh) | 基于mtcnn的人脸检测与对齐方法 | |
Sarrafzadeh et al. | A simple and accurate method for white blood cells segmentation using K-means algorithm | |
CN108038458B (zh) | 基于特征摘要图的视频中的户外场景文本自动获取方法 | |
KR101428923B1 (ko) | 인쇄회로기판의 부품패키징 영역 자동검출 시스템 및 방법 | |
CN111369529B (zh) | 一种物品丢失、遗留检测方法及其系统 | |
CN104268509B (zh) | 泥头车车牌检测的方法及系统 | |
CN110298893A (zh) | 一种行人衣着颜色识别模型的生成方法及装置 | |
CN111160194A (zh) | 一种基于多特征融合的静态手势图像识别方法 | |
CN107392115B (zh) | 一种基于分层特征提取的交通标志识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |