CN105704368B - 一种人脸图像采集的自适应控制方法 - Google Patents
一种人脸图像采集的自适应控制方法 Download PDFInfo
- Publication number
- CN105704368B CN105704368B CN201610033772.4A CN201610033772A CN105704368B CN 105704368 B CN105704368 B CN 105704368B CN 201610033772 A CN201610033772 A CN 201610033772A CN 105704368 B CN105704368 B CN 105704368B
- Authority
- CN
- China
- Prior art keywords
- eyes
- camera
- vertical
- face
- region
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 title description 9
- 210000001508 eye Anatomy 0.000 claims description 66
- 230000001815 facial effect Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 210000001747 pupil Anatomy 0.000 claims description 3
- 210000005252 bulbus oculi Anatomy 0.000 claims 1
- 230000005570 vertical transmission Effects 0.000 abstract description 19
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸图像采集的自适应控制方法,包括有机座,所述机座上设有至少两根竖直设置的竖向导轨,所述机座上设有竖向传动轴,所述竖向传动轴上套设有沿竖向导轨竖向滑动的竖向滑块,所述竖向滑块之间设有横向导轨,所述横向导轨上设有横向传动轴,所述横向传动轴上套设有沿横向导轨横向滑动的相机搭载台,所述相机搭载台上设有转动电机,所述转动电机转轴竖向设置,所述转动电机转轴上设有随转轴转动的相机,通过水平移动、垂直移动以及左右旋转相机摄像头的方式自动跟随人脸自适应控制摄像头,可以减少人工纠正的误差,更好地保证了所拍摄出来的照片满足证件照的要求,提高了使用者的舒适度。
Description
[技术领域]
本发明涉及一种人脸图像采集的自适应控制方法。
[背景技术]
现阶段的自助照相设备主要分为两大类型,第一类是设备中的照相设备只进行上下移动,把人脸移动到屏幕中上下的中心,再经由人对照相设备进行左右调整并在照片符合证件照的要求时采集照片,这种类型的机器自动化程度不高,依旧需要人工操作,且使用效率与照相馆的效率相比高不出多少;还有一类机器是把照相设备固定在一个位置,照相者坐着的凳子进行上下移动,在照片符合证件照的要求时采集照片。这样的机器自动化程度相对较高,但是有一定的范围,对于过于肥胖的人、老年人以及小孩会出现一定的不适应性。这两种类型的自助照相设备都需要人为调整正对着摄像头,但这种人工进行调整的方式是不准确的无法准确保证照片符合证件照的要求。
[发明内容]
本发明克服了上述技术的不足,提供了一种人脸图像采集的自适应控制方法,通过水平移动、垂直移动以及左右旋转相机摄像头的方式自动跟随人脸自适应控制摄像头,可以减少人工纠正的误差,更好地保证了所拍摄出来的照片满足证件照的要求,提高了使用者的舒适度和满意度。
为实现上述目的,本发明采用了下列技术方案:
一种人脸图像采集的自适应控制装置,包括有机座100,所述机座100上设有至少两根竖直设置的竖向导轨1,所述机座100上设有竖向传动轴2,所述竖向传动轴2上套设有沿竖向导轨1竖向滑动的竖向滑块3,所述竖向滑块3之间设有横向导轨4,所述横向导轨4上设有横向传动轴5,所述横向传动轴5上套设有沿横向导轨4横向滑动的相机搭载台6,所述相机搭载台6上设有转动电机7,所述转动电机7转轴竖向设置,所述转动电机7转轴上设有随转轴转动的相机。
所述竖向传动轴2上设有竖向传动轴螺纹,所述竖向传动轴2一端设有第一电机8,所述竖向传动轴2随第一电机8转轴转动,所述竖向滑块3套接处设有与竖向传动轴螺纹配合随竖向传动轴2转动而使竖向滑块3垂直移动的竖向滑块螺纹。
所述横向传动轴4上设有横向传动轴螺纹,所述横向传动轴4一端设有第二电机9,所述横向传动轴4随第二电机9转轴转动,所述相机搭载台6套接处设有与横向传动轴螺纹配合随横向传动轴4转动而使相机搭载台6横向移动的相机搭载台螺纹。
所述机座100上还设有控制器10,所述控制器10连接有第一电机8、第二电机9、设置于竖向传动轴2另一端的第一编码器11、设置于横向传动轴4另一端的第二编码器12、转动电机7和相机,所述第一电机8与第一编码器11连接,所述第二电机9与第二编码器12连接。
一种人脸图像采集的自适应控制方法,其步骤如下:
a、控制器10控制相机拍摄初始图像,并输入到控制器10中,设定以初始图像左上角为原点o′,向右为x′轴正方向,向下为y′轴正方向,建立直角坐标系O′x′y′,在初始图像直角坐标系O′x′y′中建立人脸图像直角坐标系Oxy;
b、基于Adaboost算法的人脸检测,检测训练部分中训练强分类器,设定n个训练样本(x1,y1),...,(xi,yi),..(xn,yn),yi可取0和1,yi=1代表人脸样本,yi=0代表非人脸样本,初始化权重ω:
人脸样本的权重
其中m为人脸样本的个数,
非人脸样本的权重
其中l为非人脸样本的个数,
对于t=1:T,
①权重归一化
②筛选出最优的弱分类器ht(xk,pk,fk,θk),其分类错误率为:
其中xk代表一个检测子窗口,pk指示不等号的方向,fk为特征,θk为阈值。
③更新权值
其中代表分类错误占分类正确的比例,其中ei可取0和1。当ei=0时,xi被正确分类;当ei=1时,xi被错误分类,
最后的强分类器为:
其中
c、基于分级方案的人脸眼睛和嘴的定位:
基于小波的特征图的特征值的计算,基于小波的特征图中第n个特征值Sal(n)的计算公式为:
其中权重ωk是分配给最大的不同尺度的小波系数,又是互惠的标准差系数,为第k个小波系数,为小波函数,f(n)为尺度大小2j的信号;
权重ωk的计算公式为:
其中S为最大的小波系数在k层次的数量,是在0≤z≤S内的最大系数,
基于主成分分析的双眼区域的校对:
由于双眼区域是一个矩形区域,所以双眼区域可以看成是由M个列向量组成,表示为Γ1,Γ2,..,ΓM,
双眼区域样本的平均值为:
每个双眼区域与平均值的之间的差值为:
φn=Γn-Ψ (10)
双眼区域的协方差矩阵为:
其中A=[φ1,φ2,...,φM],
实际中直接计算矩阵C的特征向量的计算量很大,可以通过矩阵AAT的特征向量vn的定义来计算:
ATAvn=λnvn (12)
对公式(13)两边左乘矩阵A可得:
AATAvn=Aλnvn (13)
由公式(14)式可知,Avn是矩阵C的特征向量,
于是,可以用特征向量μn来表示成M个样本的线性组合:
其中n=1,2,...,M,
表示为Γ1,Γ2,..,ΓM的双眼区域投影到特征空间中:
其中n=1,2,...,M,Γn表示双眼区域中的第n个列向量;
双眼区域的每个特征向量的权重组成一个向量:
ΩT={ω1,ω2,...,ωn} (16)
双眼区域与重构图像之间的平方差为:
由公式(18)计算平方差就可求出最小重构误差的双眼区域。
基于眼睛模板的眼睛和嘴的定位:
眼睛模板有三个方块组成,中心的黑块代表了在人眼中黑色的瞳孔,表示为B,这个黑色方块左右两侧为白色方块,分别表示为W1和W2。
用来测量眼睛模板的相似函数SIM的定义为:
其中为区域W1的强度的总和,为区域W2的强度的总和,IB为区域B的强度的总和,β是一个避免分母为零的正数,
人脸样本中Q个眼睛模板,最佳的眼睛位置(xbest,ybest)的定义如下:
xbest=median(x1,x2,..xQ) (19)
ybest=median(y1,y2,..yQ) (20)
d、人脸图像中偏值的计算:
水平偏距和垂直偏距的计算:设人脸图像直角坐标系O′x′y′的人脸图像窗口宽为width1,高为height1,初始图像的宽为width2,高为height2,
坐标系Oxy的原点在坐标系O′x′y′为(facex,facey),坐标系Oxy相对坐标系O′x′y′的水平偏移量为Δw,垂直偏移量为Δh,因此最小的水平偏距Δlevelmin和垂直偏距Δverticalmin分别为:
侧面偏转角度的计算:
设左眼中心坐标为(x1,y1),右眼中心坐标为(x2,y2),嘴的中心坐标为(x3,y3),两只眼睛的水平距离为l,垂直距离为d,人脸图像侧面偏转时,鼻子下点水平线与左右两眼睛内点的距离分别为l1和l2,鼻子下点水平线与嘴内点的距离为l3。
人脸图像的平面偏转角度α:
鼻子下点与左右两眼内点的角度差β1:
鼻子下点与嘴内点的角度差β2:
人脸图像的侧面偏转角度β:
e、控制器10控制相机搭载台6水平移动Δlevel1、垂直移动Δvertical1、转动电机7转动角度β,再控制相机拍摄。
本发明的有益效果是:
本发明中的一种人脸图像采集的自适应控制装置能够自动跟随人脸自适应控制调整摄像头的方位,来实现所拍摄到的人脸照片符合证件照的要求;在装置结构部分设计出相机搭载台,且能使相机搭载台相应上下左右移动的机械构架,实现了相机的水平调整与垂直调整的功能,在平台上搭载一个转动电机,相机设置于转动电机的转轴上,实现了相机的左右旋转功能;同时,在直线移动的电机上都装入编码器进行反馈控制,大幅度提高精度;采用滚珠式螺纹传动轴丝杠以及直线导轨减轻机器运行时的噪音以及驱动电压;相比现有只能上下移动摄像头以及只能上下移动座椅的方式,该装置通过水平移动、垂直移动以及左右旋转摄像头的方式自动跟随人脸自适应控制摄像头可以减少人工纠正的误差,更好地保证了所拍摄出来的照片满足证件照的要求,提高了使用者的舒适度和满意度。
[附图说明]
图1为本发明装置机械结构示意图;
图2为本发明装置电路结构示意图;
图3为本发明流程图;
图4为本发明初始图像与人脸图像直接坐标系示意图。
[具体实施方式]
下面结合附图与本发明的实施方式作进一步详细的描述:
如图1所示,一种人脸图像采集的自适应控制装置,包括有机座100,所述机座100上设有至少两根竖直设置的竖向导轨1,所述机座100上设有竖向传动轴2,所述竖向传动轴2上套设有沿竖向导轨1竖向滑动的竖向滑块3,所述竖向滑块3之间设有横向导轨4,所述横向导轨4上设有横向传动轴5,所述横向传动轴5上套设有沿横向导轨4横向滑动的相机搭载台6,所述相机搭载台6上设有转动电机7,所述转动电机7转轴竖向设置,所述转动电机7转轴上设有随转轴转动的相机。
其中,所述竖向传动轴2上设有竖向传动轴螺纹,所述竖向传动轴2一端设有第一电机8,所述竖向传动轴2随第一电机8转轴转动,所述竖向滑块3套接处设有与竖向传动轴螺纹配合随竖向传动轴2转动而使竖向滑块3垂直移动的竖向滑块螺纹。
所述横向传动轴4上设有横向传动轴螺纹,所述横向传动轴4一端设有第二电机9,所述横向传动轴4随第二电机9转轴转动,所述相机搭载台6套接处设有与横向传动轴螺纹配合随横向传动轴4转动而使相机搭载台6横向移动的相机搭载台螺纹。
如图2所示,所述机座100上还设有控制器10,所述控制器10连接有第一电机8、第二电机9、设置于竖向传动轴2另一端的第一编码器11、设置于横向传动轴4另一端的第二编码器12、转动电机7和相机,所述第一电机8与第一编码器11连接,所述第二电机9与第二编码器12连接。
工作原理:控制器10控制第一电机8带动竖向传动轴2转动,通过设置于竖向传动轴2上的竖向传动轴螺纹与设置于竖向滑块3内的竖向滑块螺纹配合,使竖向滑块3竖向滑动,实现相机的高低调整;控制器10控制第二电机9带动横向传动轴5转动,通过设置于横向传动轴5上的横向传动轴螺纹与设置于相机搭载台6内的相机搭载台螺纹配合,使相机搭载台6横向滑动,实现相机的左右调整;控制器10控制转动电机7转动,使设置于转动电机7转轴上的相机实现左右旋转,从而达到自适应控制装置能够自动跟随人脸自适应控制调整摄像头的方位来实现所拍摄到的人脸照片符合证件照的要求。
同时,第一编码器11将第一电机8的转动值、第二编码器12将第二电机9的转动值反馈到控制器10中,提高相机位置调整的准确度。
如图3和图4所示,一种人脸图像采集的自适应控制方法,其步骤如下:
a、控制器10控制相机拍摄初始图像,并输入到控制器10中,设定以初始图像左上角为原点o′,向右为x′轴正方向,向下为y′轴正方向,建立直角坐标系O′x′y′,在初始图像直角坐标系O′x′y′中建立人脸图像直角坐标系Oxy;
b、基于Adaboost算法的人脸检测,检测训练部分中训练强分类器,设定n个训练样本(x1,y1),...,(xi,yi),..(xn,yn),yi可取0和1,yi=1代表人脸样本,yi=0代表非人脸样本,初始化权重ω:
人脸样本的权重
其中m为人脸样本的个数,
非人脸样本的权重
其中l为非人脸样本的个数,
对于t=1:T,
①权重归一化
②筛选出最优的弱分类器ht(xk,pk,fk,θk),其分类错误率为:
其中xk代表一个检测子窗口,pk指示不等号的方向,fk为特征,θk为阈值。
③更新权值
其中代表分类错误占分类正确的比例,其中ei可取0和1。当ei=0时,xi被正确分类;当ei=1时,xi被错误分类,
最后的强分类器为:
其中
c、基于分级方案的人脸眼睛和嘴的定位:
基于小波的特征图的特征值的计算,基于小波的特征图中第n个特征值Sal(n)的计算公式为:
其中权重ωk是分配给最大的不同尺度的小波系数,又是互惠的标准差系数,为第k个小波系数,为小波函数,f(n)为尺度大小2j的信号;
权重ωk的计算公式为:
其中S为最大的小波系数在k层次的数量,是在0≤z≤S内的最大系数,
基于主成分分析的双眼区域的校对:
由于双眼区域是一个矩形区域,所以双眼区域可以看成是由M个列向量组成,表示为Γ1,Γ2,..,ΓM,
双眼区域样本的平均值为:
每个双眼区域与平均值的之间的差值为:
φn=Γn-Ψ (10)
双眼区域的协方差矩阵为:
其中A=[φ1,φ2,...,φM],
实际中直接计算矩阵C的特征向量的计算量很大,可以通过矩阵AAT的特征向量vn的定义来计算:
ATAvn=λnvn (12)
对公式(13)两边左乘矩阵A可得:
AATAvn=Aλnvn (13)
由公式(14)式可知,Avn是矩阵C的特征向量,
于是,可以用特征向量μn来表示成M个样本的线性组合:
其中n=1,2,...,M,
表示为Γ1,Γ2,..,ΓM的双眼区域投影到特征空间中:
其中n=1,2,...,M,Γn表示双眼区域中的第n个列向量;
双眼区域的每个特征向量的权重组成一个向量:
ΩT={ω1,ω2,...,ωn} (16)
双眼区域与重构图像之间的平方差为:
由公式(18)计算平方差就可求出最小重构误差的双眼区域。
基于眼睛模板的眼睛和嘴的定位:
眼睛模板有三个方块组成,中心的黑块代表了在人眼中黑色的瞳孔,表示为B,这个黑色方块左右两侧为白色方块,分别表示为W1和W2。
用来测量眼睛模板的相似函数SIM的定义为:
其中为区域W1的强度的总和,为区域W2的强度的总和,IB为区域B的强度的总和,β是一个避免分母为零的正数,
人脸样本中Q个眼睛模板,最佳的眼睛位置(xbest,ybest)的定义如下:
xbest=median(x1,x2,..xQ) (19)
ybest=median(y1,y2,..yQ) (20)
d、人脸图像中偏值的计算:
水平偏距和垂直偏距的计算:设人脸图像直角坐标系O′x′y′的人脸图像窗口宽为width1,高为height1,初始图像的宽为width2,高为height2,坐标系Oxy的原点在坐标系O′x′y′为(facex,facey),坐标系Oxy相对坐标系O′x′y′的水平偏移量为Δw,垂直偏移量为Δh,因此最小的水平偏距Δlevelmin和垂直偏距Δverticalmin分别为:
侧面偏转角度的计算:
设左眼中心坐标为(x1,y1),右眼中心坐标为(x2,y2),嘴的中心坐标为(x3,y3),两只眼睛的水平距离为l,垂直距离为d,人脸图像侧面偏转时,鼻子下点水平线与左右两眼睛内点的距离分别为l1和l2,鼻子下点水平线与嘴内点的距离为l3。
人脸图像的平面偏转角度α:
鼻子下点与左右两眼内点的角度差β1:
鼻子下点与嘴内点的角度差β2:
人脸图像的侧面偏转角度β:
e、控制器10控制相机搭载台6水平移动Δlevel1、垂直移动Δvertical1、转动电机7转动角度β,再控制相机拍摄。
Claims (1)
1.一种人脸图像采集的自适应控制方法,其步骤如下:
a、控制器(10)控制相机拍摄初始图像,并输入到控制器(10)中,设定以初始图像左上角为原点o′,向右为x′轴正方向,向下为y′轴正方向,建立直角坐标系O′x′y′,在初始图像直角坐标系O′x′y′中建立人脸图像直角坐标系Oxy;
b、基于Adaboost算法的人脸检测,检测训练部分中训练强分类器,设定n个训练样本(x1,y1),...,(xi,yi),..(xn,yn),yi可取0和1,yi=1代表人脸样本,yi=0代表非人脸样本,初始化权重ω:
人脸样本的权重
其中m为人脸样本的个数,
非人脸样本的权重
其中l为非人脸样本的个数,
对于t=1:T,
①权重归一化
②筛选出最优的弱分类器ht(xk,pk,fk,θk),其分类错误率为:
其中xk代表一个检测子窗口,pk指示不等号的方向,fk为特征,θk为阈值;
③更新权值
其中代表分类错误占分类正确的比例,其中ei可取0和1,当ei=0时,xi被正确分类;当ei=1时,xi被错误分类,
最后的强分类器为:
其中
c、基于分级方案的人脸眼睛和嘴的定位:
基于小波的特征图的特征值的计算,基于小波的特征图中第n个特征值Sal(n)的计算公式为:
其中权重ωk是分配给最大的不同尺度的小波系数,又是互惠的标准差系数,为第k个小波系数,为小波函数,f(n)为尺度大小2j的信号;
权重ωk的计算公式为:
其中S为最大的小波系数在k层次的数量,是在0≤z≤S内的最大系数,
基于主成分分析的双眼区域的校对:
由于双眼区域是一个矩形区域,所以双眼区域可以看成是由M个列向量组成,表示为Γ1,Γ2,..,ΓM,
双眼区域样本的平均值为:
每个双眼区域与平均值的之间的差值为:
φn=Γn-Ψ (10)
双眼区域的协方差矩阵为:
其中A=[φ1,φ2,...,φM],
实际中直接计算矩阵C的特征向量的计算量很大,可以通过矩阵AAT的特征向量vn的定义来计算:
ATAvn=λnvn (12)
对公式(13)两边左乘矩阵A可得:
AATAvn=Aλnvn (13)
由公式(14)式可知,Avn是矩阵C的特征向量,
于是,可以用特征向量μn来表示成M个样本的线性组合:
其中n=1,2,...,M,
表示为Γ1,Γ2,..,ΓM的双眼区域投影到特征空间中:
其中n=1,2,...,M,Γn表示双眼区域中的第n个列向量;
双眼区域的每个特征向量的权重组成一个向量:
ΩT={ω1,ω2,...,ωn} (16)
双眼区域与重构图像之间的平方差为:
由公式(18)计算平方差就可求出最小重构误差的双眼区域;
基于眼睛模板的眼睛和嘴的定位:
眼睛模板有三个方块组成,中心的黑块代表了在人眼中黑色的瞳孔,表示为B,这个黑色方块左右两侧为白色方块,分别表示为W1和W2;
用来测量眼睛模板的相似函数SIM的定义为:
其中为区域W1的强度的总和,为区域W2的强度的总和,IB为区域B的强度的总和,β是一个避免分母为零的正数,
人脸样本中Q个眼睛模板,最佳的眼睛位置(xbest,ybest)的定义如下:
xbest=median(x1,x2,..xQ) (19)
ybest=median(y1,y2,..yQ) (20)
d、人脸图像中偏值的计算:
水平偏距和垂直偏距的计算:设人脸图像直角坐标系O′x′y′的人脸图像窗口宽为width1,高为height1,初始图像的宽为width2,高为height2,坐标系Oxy的原点在坐标系O′x′y′为(facex,facey),坐标系Oxy相对坐标系O′x′y′的水平偏移量为Δw,垂直偏移量为Δh,因此最小的水平偏距Δlevelmin和垂直偏距Δverticalmin分别为:
侧面偏转角度的计算:
设左眼中心坐标为(x1,y1),右眼中心坐标为(x2,y2),嘴的中心坐标为(x3,y3),两只眼睛的水平距离为l,垂直距离为d,人脸图像侧面偏转时,鼻子下点水平线与左右两眼睛内点的距离分别为l1和l2,鼻子下点水平线与嘴内点的距离为l3;
人脸图像的平面偏转角度α:
鼻子下点与左右两眼内点的角度差β1:
鼻子下点与嘴内点的角度差β2:
人脸图像的侧面偏转角度β:
e、控制器(10)控制相机搭载台(6)水平移动Δlevel1、垂直移动Δvertical1、转动电机(7)转动角度β,再控制相机拍摄。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982605 | 2015-12-23 | ||
CN201510982605X | 2015-12-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105704368A CN105704368A (zh) | 2016-06-22 |
CN105704368B true CN105704368B (zh) | 2018-07-10 |
Family
ID=56227487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610033772.4A Active CN105704368B (zh) | 2015-12-23 | 2016-01-19 | 一种人脸图像采集的自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105704368B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107040766A (zh) * | 2017-05-15 | 2017-08-11 | 柳州译海网络科技有限公司 | 一种安防监狱视频监控装置 |
CN107390622A (zh) * | 2017-08-03 | 2017-11-24 | 深圳市乐业科技有限公司 | 一种具有实时追踪功能的智能vr投影设备 |
CN107831744A (zh) * | 2017-11-03 | 2018-03-23 | 四川中科水务科技有限公司 | 智慧水生态综合管控系统 |
CN108447159B (zh) * | 2018-03-28 | 2020-12-18 | 百度在线网络技术(北京)有限公司 | 人脸图像采集方法、装置和出入口管理系统 |
CN109995977A (zh) * | 2019-03-31 | 2019-07-09 | 郑州大学 | 一种舌部图像采集装置 |
CN110553116A (zh) * | 2019-07-26 | 2019-12-10 | 长沙学院 | 手机扫码启动定点相机的拍照系统 |
CN111083377A (zh) * | 2019-12-30 | 2020-04-28 | 维沃移动通信有限公司 | 拍摄方法及电子设备 |
CN111428668B (zh) * | 2020-03-31 | 2024-03-08 | 中科人工智能创新技术研究院(青岛)有限公司 | 一种多视角变距式人脸数据采集系统及方法 |
CN111294572A (zh) * | 2020-04-07 | 2020-06-16 | 中船重工(青岛)轨道交通装备有限公司 | 用于压力环境下的视频监控装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102024141A (zh) * | 2010-06-29 | 2011-04-20 | 上海大学 | 基于Gabor小波变换和局部二值模式优化的人脸识别方法 |
CN205610781U (zh) * | 2015-12-23 | 2016-09-28 | 电子科技大学中山学院 | 一种人脸图像采集的自适应控制装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007007788A1 (ja) * | 2005-07-13 | 2007-01-18 | Nec Corporation | 色補正方法および色補正装置 |
-
2016
- 2016-01-19 CN CN201610033772.4A patent/CN105704368B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102024141A (zh) * | 2010-06-29 | 2011-04-20 | 上海大学 | 基于Gabor小波变换和局部二值模式优化的人脸识别方法 |
CN205610781U (zh) * | 2015-12-23 | 2016-09-28 | 电子科技大学中山学院 | 一种人脸图像采集的自适应控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105704368A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105704368B (zh) | 一种人脸图像采集的自适应控制方法 | |
CN104050448B (zh) | 一种人眼定位、人眼区域定位方法及装置 | |
CN105487665B (zh) | 一种基于头部姿势识别的智能移动服务机器人控制方法 | |
CN106774863A (zh) | 一种基于瞳孔特征实现视线追踪的方法 | |
CN205610781U (zh) | 一种人脸图像采集的自适应控制装置 | |
CN110896609A (zh) | 一种用于经颅磁刺激治疗的tms定位导航方法 | |
CN109141295A (zh) | 一种多级旋转体同轴度误差的测量装置及其测量方法 | |
CN106022210A (zh) | 一种静脉轮廓三维点云匹配的身份识别方法及装置 | |
CN107506693A (zh) | 畸变人脸图像校正方法、装置、计算机设备和存储介质 | |
CN107995426A (zh) | 智能人脸识别系统 | |
CN108939230A (zh) | 健身房制氧设备、健身房供氧系统、供氧方法和装置 | |
CN106060514A (zh) | 多目视觉控制电视姿态的装置和方法 | |
CN108304001A (zh) | 一种人脸检测跟踪方法、球机头部转动控制方法及球机 | |
CN109857255A (zh) | 一种显示参数调节方法、装置以及头戴显示设备 | |
CN105631859A (zh) | 三自由度仿生立体视觉系统 | |
CN103020612A (zh) | 一种虹膜图像采集装置及方法 | |
CN109359577A (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
CN110226913A (zh) | 一种自助体检机视力检测智能化处理方法及装置 | |
CN110335255A (zh) | 一种基于深度学习的水坝斜坡裂缝检测方法及仿生壁虎爬行检测装置 | |
CN105844096A (zh) | 基于图像处理技术的手功能评价方法 | |
CN106709529A (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN103593639A (zh) | 嘴唇检测和跟踪方法及设备 | |
CN108256392A (zh) | 基于投影积分和区域灰度极值的瞳孔区域定位方法 | |
CN109165605A (zh) | 数据中心巡检机器人对于控制柜压板设备状态识别的方法 | |
CN111626226B (zh) | 一种颈部转动识别方法及系统 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210715 Address after: 4th floor, No.10 Dongyu Road, East District, Zhongshan City, Guangdong Province 528400 Patentee after: Guangdong Wantong Information Technology Co.,Ltd. Address before: 528400, Xueyuan Road, 1, Shiqi District, Guangdong, Zhongshan Patentee before: University OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA, ZHONGSHAN INSTITUTE |
|
TR01 | Transfer of patent right |