CN106600640B - 一种基于rgb-d相机的人脸识别辅助眼镜 - Google Patents

一种基于rgb-d相机的人脸识别辅助眼镜 Download PDF

Info

Publication number
CN106600640B
CN106600640B CN201611139308.XA CN201611139308A CN106600640B CN 106600640 B CN106600640 B CN 106600640B CN 201611139308 A CN201611139308 A CN 201611139308A CN 106600640 B CN106600640 B CN 106600640B
Authority
CN
China
Prior art keywords
face
image
camera
depth
color
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
Application number
CN201611139308.XA
Other languages
English (en)
Other versions
CN106600640A (zh
Inventor
于红雷
赵向东
杨恺伦
胡伟健
汪凯巍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Vision Krypton Technology Co Ltd
Original Assignee
Hangzhou Vision Krypton Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Vision Krypton Technology Co Ltd filed Critical Hangzhou Vision Krypton Technology Co Ltd
Priority to CN201611139308.XA priority Critical patent/CN106600640B/zh
Publication of CN106600640A publication Critical patent/CN106600640A/zh
Application granted granted Critical
Publication of CN106600640B publication Critical patent/CN106600640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于RGB‑D相机的人脸识别辅助眼镜，包括眼镜本体、以及固定在眼镜本体上的彩色相机、深度相机、USB集线器、小型处理器、骨传导耳机和电池；本发明利用两个相机的彩色图像和深度图像进行人脸的跟踪，并自动为这些人脸赋予标签；人脸图像被正面化矫正，可以适应不同姿态下的识别；所述矫正后的人脸图像被用于在神经网络中训练人脸识别模型；待识别的人脸图像被输入到所述训练好的人脸识别模型，模型输出的识别结果通过3D立体声的方式传递给使用者，对视障人士进行辅助。

Description

一种基于RGB-D相机的人脸识别辅助眼镜
技术领域
本发明涉及模式分类，机器学习，人脸识别，视觉障碍人群辅助技术领域，尤其涉及一种基于RGB-D相机的人脸识别辅助眼镜。
背景技术
根据世界卫生组织(WHO)的数据，全球有2.85亿视障人士，其中有3900万是盲人。视障人士的日常生活中，识别周围人的身份是突出的需求。在没有其他设备的辅助下，视障人士只能通过辨别声音来判断，这在很大程度上受限于视障人士与其周围人的熟悉程度，距离，环境嘈杂度等因素。传统的人脸识别方法，一般采用彩色相机拍摄人脸图像，并且需要保证正面的人脸和均匀的光照，这就要求采集人脸样本的过程中，人脸尽量靠近相机并且正面面向相机。因此，设计一种专门面向视障人士的人脸识别系统，并使用简单自然的交互方式，将在很大程度上为视障人士提供方便。
发明内容
本发明的目的是利用RGB-D相机和人脸识别技术，解决视障人士的认人和识人方面存在的不便利性，旨在为视障人士提供一种简单易用，交互方式人性化的人脸识别辅助眼镜。
本发明通过以下技术方案来实现：一种基于RGB-D相机的人脸识别辅助眼镜，包括眼镜本体、以及固定在眼镜本体上的彩色相机、深度相机、USB集线器、小型处理器、骨传导耳机和电池；彩色相机和深度相机的姿态角一致，且通过USB集线器与小型处理器相连，电池模块与小型处理器相连。骨传导耳机与小型处理器相连，彩色相机、深度相机、小型处理器和骨传导耳机均通过电池供电；两个相机分布固定在两个镜片的正上方，USB集线器和电池嵌入式安装在左镜脚内，小型处理器嵌入式安装在右镜脚内。彩色相机和深度相机获取到的彩色图像和深度图像通过USB传输到小型处理器，小型处理器将采集的图像进行校正后，与人脸数据库进行匹配，实现人脸识别，并将识别结果通过骨传导耳机进行播放，实现人脸识别辅助。
进一步地，通过以下方法进行人脸识别辅助：(1)人脸的录入和人脸数据库的建立；(2)人脸图像的矫正；(3)神经网络训练；(4)采集人脸并进行人脸识别；(5)3D立体声用于识别结果的交互。
进一步地，所述步骤(1)具体为：针对每一个识别对象，通过彩色相机和深度相机采集多帧连续图像，小型处理器根据彩色相机采集的多帧连续图像，通过RGB-D中的彩色图像通道检出人脸图像，以第一帧中检出的人脸图像作为人脸跟踪的初始化起点。若在第n帧中出现人脸漏检或检测错误，则可以启动人脸跟踪模式，检出人脸的区域。录入所有识别对象的人脸图像数据和对应的姓名，建立人脸数据库。所述人脸跟踪模式包括以下步骤：
第一，在第n-1帧的人脸检出情况下，分别计算彩色图和深度图中的人脸区域的直方图。彩色直方图的横坐标为色度值，纵坐标为每个色度值对应的像素的个数；深度直方图的横坐标为深度值，纵坐标为每个深度值对应的像素的个数。
第二，在第n帧中，计算彩色图和深度图的返向投影图。彩色图对应的返向投影图是将彩色图中的每个像素点的色度值替换为彩色直方图中对应的纵坐标而获得；深度图对应的返向投影图是将深度图中的每个像素点的深度值替换为深度直方图中对应的纵坐标而获得。将两个返向投影图融合后，得到更符合实际情况的人脸区域预测。
第三，在融合后的返向投影图中，应用均值漂移算法(MeanShift)，计算出第n帧人脸的区域。
进一步地，所述步骤(2)具体为：
第一，调整人脸图像的格式为统一大小，即100像素*100像素。
第二，检出人脸区域的特征点，所述特征点包括脸颊轮廓、眼睛、眉毛、鼻子、嘴巴。所述特征点的检出是基于彩色图像的。
第三，以具有上述特征点的三维人脸模型为基准坐标系，根据彩色图像中的特征点位置，对RGB-D进行坐标标定，得到相机坐标系。
第四，三维模型中的所有点被投影到所述相机坐标系中。
第五，将彩色图像投影到相机坐标系下的三维模型中，赋予每个点的RGB信息；
第六，对赋值后的三维模型进行正面投影，得到矫正后的人脸图像。
第七，转彩色人脸图像为灰度图，并做直方图均衡化处理。
进一步地，所述步骤(3)具体为：矫正得到的人脸图像，大小统一为100像素*100像素，可以视作一个10000维的向量。然后通过主成分分析(PCA)进行降维处理。
每一个人脸对应一个由0和1组成的数据标签，第m个人脸的数据标签为[a1,a2,…am,…ak]，其中，am＝1，其余为0，k为人脸总数；以降维后的数据作为输入，数据标签作为输出，用反向传播算法(BP)训练神经网络模型。
进一步地，通过以下方法进行识别：
采集待识别的人脸图像，经过所述矫正、降维处理，再输入训练好的神经网络，在输出向量的各个元素中，若只有一个是大于所述阈值(0.5)的，则判定输入数据所属的类别为此向量元素对应的类；若有多于一个元素的值大于阈值或所有元素的值都小于阈值，则判定输入数据不属于训练时的数据集，在人脸识别中即为陌生人。
进一步地，通过以下方法交互：
根据步骤(4)识别的人脸，获得其姓名，进一步根据深度图可以获知其方位和距离；通过骨传导耳机以3D声音播放姓名给使用者，3D声音的角度用于指示人脸的方位，3D声音的大小用于指示人脸的距离。
本发明的有益效果在于：
1.本发明为视障人士提供了一种识别其周围人身份信息的眼镜。
2.本发明所述的眼镜中涉及的人脸跟踪方法能提高人脸检出率，并且能自动标记图像的标签。
3.本发明所述的眼镜中涉及的人脸图像矫正方法能去除头部姿态变化和不均匀的光照对人脸识别的影响。
4.本发明提出的3D立体声音用于识别结果的交互，有效提高人脸识别系统使用过程的体验度。
附图说明
图1是系统结构示意图；
图2是人脸检出结果图；
图3是灰度化处理后的彩色直方图或深度直方图；
图4是融合后的反向投影图；
图5是矫正前和矫正后人脸图像的对比图。
图6为本发明人脸识别辅助眼镜的结构示意图。
具体实施方式
如图6所示，一种基于RGB-D相机的人脸识别辅助眼镜，包括眼镜本体、以及固定在眼镜本体上的彩色相机、深度相机、USB集线器、小型处理器、骨传导耳机和电池；彩色相机和深度相机的姿态角一致，且通过USB集线器与小型处理器相连，电池模块与小型处理器相连。骨传导耳机与小型处理器相连，彩色相机、深度相机、小型处理器和骨传导耳机均通过电池供电；两个相机分布固定在两个镜片的正上方，USB集线器和电池嵌入式安装在左镜脚内，小型处理器嵌入式安装在右镜脚内。彩色相机和深度相机获取到的彩色图像和深度图像通过USB传输到小型处理器，小型处理器将采集的图像进行校正后，与人脸数据库进行匹配，实现人脸识别，并将识别结果通过骨传导耳机进行播放，实现人脸识别辅助。具体步骤如下：
(1)人脸的录入和人脸数据库的建立；
针对每一个待识别对象，通过彩色相机和深度相机采集多帧连续图像，小型处理器根据彩色相机采集的多帧连续图像，通过RGB-D相机中的彩色图像通道检出人脸图像，以第一帧中检出的人脸图像作为人脸跟踪的初始化起点。若在第n帧中出现人脸漏检或检测错误，则可以启动人脸跟踪模式，检出人脸的区域。录入所有待识别对象的人脸图像数据和对应的姓名，建立人脸数据库。
所述人脸跟踪模式包括以下步骤：
第一，在第n-1帧的人脸检出情况下，如图2所示(人脸区域被框出)，分别计算彩色图和深度图中的人脸区域的直方图，如图3所示。彩色直方图的横坐标为色度值，纵坐标为每个色度值对应的像素的个数；深度直方图的横坐标为深度值，纵坐标为每个深度值对应的像素的个数。
第二，在第n帧中，计算彩色图和深度图的返向投影图，如图4所示。彩色图对应的返向投影图是将彩色图中的每个像素点的色度值替换为彩色直方图中对应的纵坐标而获得；深度图对应的返向投影图是将深度图中的每个像素点的深度值替换为深度直方图中对应的纵坐标而获得。返向投影图为灰度图像，在所述彩色图和深度图分别对应的返向投影图中，灰度值越大的区域有更大的可能性是人脸区域；将两个返向投影图融合后，得到更符合实际情况的人脸区域预测。
第三，在融合后的返向投影图中，应用均值漂移算法(MeanShift)，计算出第n帧人脸的区域。
(2)人脸图像的矫正
人脸的矫正是用于去除头部姿态变化和不均匀的光照对人脸识别的影响。人脸识别相当于一个分类问题，在分类器的训练过程中，样本的类间差异应该较大而每一类的类内差异应该较小，所述头部姿态变化和不均匀的光照会增大类内差异，甚至达到和类间差异相当的程度，对于这样的样本，在分类器训练过程中，分类器难以找到不同类之间的差异，结果就是分类器不具备正确分类的能力。同样地，未经矫正的人脸图像在识别过程中更容易出错。
人脸图像的矫正分为以下步骤：
第一，调整人脸图像的格式为统一大小，即100像素*100像素。
第二，检出人脸区域的特征点，所述特征点包括脸颊轮廓、眼睛、眉毛、鼻子、嘴巴。所述特征点的检出是基于彩色图像的。
第三，在一个通用的三维人脸模型中找到对应特征点的三维坐标，所述三维坐标在世界坐标系中。根据特征点在彩色图像中的二维坐标和相机参数，以及所述三维模型中的三维坐标，计算得到世界坐标系和相机坐标系的转换关系。
第四，三维模型中的所有点，依据所述坐标系转换关系，被投影到所述相机坐标系中，由此得到了每个点的RGB信息。
第五，对赋值RGB信息后的人脸三维模型在正面方向上投影，得到矫正后的人脸图像。
第六，转彩色人脸图像为灰度图，并做直方图均衡化处理。
如图5所示为矫正前和矫正后人脸图像的对比，其中a,b,c为校正前的图像，d,e,f分别为对应的校正后的图像。
(3)神经网络训练
矫正得到的人脸图像，大小统一为100像素*100像素，可以视作一个10000维的向量。这样的维度对于需要实时计算的神经网络输入来说太大而不能接受。主成分分析(PCA)被运用于预处理数据。所述数据预处理即为降维。
每一个人脸对应于一个由0和1组成的数据标签，第m个人脸的数据标签为[a1,a2,…am,…ak]，其中，am＝1，其余为0，k为人脸总数；以降维后的数据作为输入，数据标签作为输出，用反向传播算法(BP)训练神经网络模型。
(4)识别人脸
采集待识别的人脸图像，经过所述矫正、降维处理，再输入训练好的神经网络，在输出向量的各个元素中，若只有一个是大于所述阈值(0.5)的，则判定输入数据所属的类别为此向量元素对应的类；若有多于一个元素的值大于阈值或所有元素的值都小于阈值，则判定输入数据不属于训练时的数据集，在人脸识别中即为陌生人。
(5)3D立体声用于识别结果的交互
对所述步骤(4)识别的人脸，获得其姓名，进一步根据深度图可以获知其方位和距离；通过骨传导耳机以3D声音播放姓名给使用者，3D声音的角度用于指示人脸的方位，3D声音的大小用于指示人脸的距离。

Claims (5)

1.一种基于RGB-D相机的人脸识别辅助眼镜，其特征在于，包括眼镜本体、以及固定在眼镜本体上的彩色相机、深度相机、USB集线器、小型处理器、骨传导耳机和电池；彩色相机和深度相机的姿态角一致，且通过USB集线器与小型处理器相连，电池模块与小型处理器相连；骨传导耳机与小型处理器相连，彩色相机、深度相机、小型处理器和骨传导耳机均通过电池供电；两个相机分布固定在两个镜片的正上方，USB集线器和电池嵌入式安装在左镜脚内，小型处理器嵌入式安装在右镜脚内；彩色相机和深度相机获取到的彩色图像和深度图像通过USB传输到小型处理器，小型处理器将采集的图像进行校正后，与人脸数据库进行匹配，实现人脸识别，并将识别结果通过骨传导耳机进行播放，实现人脸识别辅助；具体包括如下步骤：
(1)人脸的录入和人脸数据库的建立：针对每一个识别对象，通过彩色相机和深度相机采集多帧连续图像，小型处理器根据彩色相机采集的多帧连续图像，通过RGB-D中的彩色图像通道检出人脸图像，以第一帧中检出的人脸图像作为人脸跟踪的初始化起点；若在第n帧中出现人脸漏检或检测错误，则可以启动人脸跟踪模式，检出人脸的区域；录入所有识别对象的人脸图像数据和对应的姓名，建立人脸数据库；所述人脸跟踪模式包括以下步骤：
第一，在第n-1帧的人脸检出情况下，分别计算彩色图和深度图中的人脸区域的直方图；彩色直方图的横坐标为色度值，纵坐标为每个色度值对应的像素的个数；深度直方图的横坐标为深度值，纵坐标为每个深度值对应的像素的个数；
第二，在第n帧中，计算彩色图和深度图的返向投影图；彩色图对应的返向投影图是将彩色图中的每个像素点的色度值替换为彩色直方图中对应的纵坐标而获得；深度图对应的返向投影图是将深度图中的每个像素点的深度值替换为深度直方图中对应的纵坐标而获得；将两个返向投影图融合后，得到更符合实际情况的人脸区域预测；
第三，在融合后的返向投影图中，应用均值漂移算法MeanShift，计算出第n帧人脸的区域；
(2)人脸图像的矫正；
(3)神经网络训练；
(4)采集人脸并进行人脸识别；
(5)3D立体声用于识别结果的交互。
2.根据权利要求1所述的人脸识别辅助眼镜，其特征在于，所述步骤(2)具体为：
第一，调整人脸图像的格式为统一大小，即100像素*100像素；
第二，检出人脸区域的特征点，所述特征点包括脸颊轮廓、眼睛、眉毛、鼻子和嘴巴；所述特征点的检出是基于彩色图像的；
第三，以具有上述特征点的三维人脸模型为基准坐标系，根据彩色图像中的特征点位置，对RGB-D进行坐标标定，得到相机坐标系；
第四，三维模型中的所有点被投影到所述相机坐标系中；
第五，将彩色图像投影到相机坐标系下的三维模型中，赋予每个点的RGB信息；
第六，对赋值后的三维模型进行正面投影，得到矫正后的人脸图像；
第七，转彩色人脸图像为灰度图，并做直方图均衡化处理。
3.根据权利要求1所述的人脸识别辅助眼镜，其特征在于，所述步骤(3)具体为：矫正得到的人脸图像，大小统一为100像素*100像素，可以视作一个10000维的向量；然后通过主成分分析PCA进行降维处理；
每一个人脸对应一个由0和1组成的数据标签，第m个人脸的数据标签为[a1,a2,…am,…ak]，其中，am＝1，其余为0，k为人脸总数；以降维后的数据作为输入，数据标签作为输出，用反向传播算法BP训练神经网络模型。
4.根据权利要求1所述的人脸识别辅助眼镜，其特征在于，通过以下方法进行识别：
采集待识别的人脸图像，经过矫正、降维处理，再输入训练好的神经网络，在输出向量的各个元素中，若只有一个是大于阈值0.5的，则判定输入数据所属的类别为此向量元素对应的类；若有多于一个元素的值大于阈值或所有元素的值都小于阈值，则判定输入数据不属于训练时的数据集，在人脸识别中即为陌生人。
5.根据权利要求1所述的人脸识别辅助眼镜，其特征在于，通过以下方法交互：
根据步骤(4)识别的人脸，获得其姓名，进一步根据深度图可以获知其方位和距离；通过骨传导耳机以3D声音播放姓名给使用者，3D声音的角度用于指示人脸的方位，3D声音的大小用于指示人脸的距离。
CN201611139308.XA 2016-12-12 2016-12-12 一种基于rgb-d相机的人脸识别辅助眼镜 Active CN106600640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611139308.XA CN106600640B (zh) 2016-12-12 2016-12-12 一种基于rgb-d相机的人脸识别辅助眼镜

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611139308.XA CN106600640B (zh) 2016-12-12 2016-12-12 一种基于rgb-d相机的人脸识别辅助眼镜

Publications (2)

Publication Number Publication Date
CN106600640A CN106600640A (zh) 2017-04-26
CN106600640B true CN106600640B (zh) 2020-03-20

Family

ID=58599341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611139308.XA Active CN106600640B (zh) 2016-12-12 2016-12-12 一种基于rgb-d相机的人脸识别辅助眼镜

Country Status (1)

Country Link
CN (1) CN106600640B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301377B (zh) * 2017-05-26 2020-08-18 浙江大学 一种基于深度相机的人脸与行人感知系统
CN107704809A (zh) * 2017-09-11 2018-02-16 安徽慧视金瞳科技有限公司 基于干扰特征向量数据集的1比n人脸特征向量比对方法
CN108469729B (zh) * 2018-01-24 2020-11-27 浙江工业大学 一种基于rgb-d信息的人体目标识别与跟随方法
CN108960287B (zh) * 2018-05-29 2022-08-05 杭州视氪科技有限公司 一种实现地形和目标检测的盲人辅助眼镜
CN111104823B (zh) * 2018-10-25 2024-08-20 北京奇虎科技有限公司 人脸识别方法、装置及存储介质、终端设备
CN109472814A (zh) * 2018-12-05 2019-03-15 湖南大学 一种基于Kinect的多个四旋翼飞行器室内跟踪定位方法
CN109685694A (zh) * 2019-01-28 2019-04-26 南京信息职业技术学院 一种教师快速识别新生的装置
CN109977794A (zh) * 2019-03-05 2019-07-05 北京超维度计算科技有限公司 一种用深度神经网络进行人脸识别的方法
CN113538252B (zh) * 2020-04-17 2024-03-26 嘉楠明芯(北京)科技有限公司 图像矫正方法以及装置
CN113837105A (zh) * 2021-09-26 2021-12-24 北京的卢深视科技有限公司 人脸识别方法、系统、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810480A (zh) * 2014-02-28 2014-05-21 青岛大学 基于rgb-d图像的手势检测方法
CN104899869A (zh) * 2015-05-14 2015-09-09 浙江大学 基于rgb-d相机和姿态传感器的平面和障碍检测方法
CN105022982A (zh) * 2014-04-22 2015-11-04 北京邮电大学 手部运动识别方法和装置
CN106203390A (zh) * 2016-07-22 2016-12-07 杭州视氪科技有限公司 一种智能盲人辅助系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810480A (zh) * 2014-02-28 2014-05-21 青岛大学 基于rgb-d图像的手势检测方法
CN105022982A (zh) * 2014-04-22 2015-11-04 北京邮电大学 手部运动识别方法和装置
CN104899869A (zh) * 2015-05-14 2015-09-09 浙江大学 基于rgb-d相机和姿态传感器的平面和障碍检测方法
CN106203390A (zh) * 2016-07-22 2016-12-07 杭州视氪科技有限公司 一种智能盲人辅助系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于RGB-D的人脸表情识别研究;吴会霞等;《现代计算机》;20160315;摘要，第3.1节，图1 *

Also Published As

Publication number Publication date
CN106600640A (zh) 2017-04-26

Similar Documents

Publication Publication Date Title
CN106600640B (zh) 一种基于rgb-d相机的人脸识别辅助眼镜
CN108830252B (zh) 一种融合全局时空特征的卷积神经网络人体动作识别方法
CN108229362B (zh) 一种基于门禁系统的双目人脸识别活体检测方法
TWI383325B (zh) 臉部表情辨識
CN106874830B (zh) 一种基于rgb-d相机和人脸识别的视障人士辅助方法
US20120219213A1 (en) Embedded Optical Flow Features
KR20170006355A (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
CN114067358A (zh) 一种基于关键点检测技术的人体姿态识别方法及系统
CN110032940B (zh) 一种视频行人重识别的方法和系统
CN112329683B (zh) 一种多通道卷积神经网络人脸表情识别方法
CN106881716A (zh) 基于3d摄像头机器人的人体跟随方法及系统
CN113920568B (zh) 基于视频图像的人脸和人体姿态情绪识别方法
CN112784712B (zh) 一种基于实时监控的失踪儿童预警实现方法、装置
CN110148092B (zh) 基于机器视觉的青少年坐姿及情绪状态的分析方法
CN108108651B (zh) 基于视频人脸分析的驾驶员非专心驾驶检测方法及系统
CN102831408A (zh) 人脸识别方法
CN112200056A (zh) 人脸活体检测方法、装置、电子设备及存储介质
CN112861723A (zh) 基于人体姿势识别的体育动作识别计数方法、装置及计算机可读存储介质
CN109522865A (zh) 一种基于深度神经网络的特征加权融合人脸识别方法
CN115116132A (zh) 一种物联网边缘服务环境下深度感知的人体行为分析方法
CN106446870B (zh) 一种人体轮廓特征提取方法和装置
CN107315997A (zh) 一种基于快速特征点定位的视线朝向判断方法及系统
CN110766093A (zh) 一种基于多帧特征融合的视频目标重识别方法
CN114882553B (zh) 一种基于深度学习的微表情识别方法及系统
CN110826495A (zh) 基于面部朝向的身体左右肢体一致性跟踪判别方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 9, 181, 310000, Wuchang Road, Wuchang Street, Yuhang District, Zhejiang, Hangzhou, 202-7

Applicant after: Hangzhou vision krypton Technology Co., Ltd.

Address before: Room 589, C building, No. 525 Xixi Road, Xihu District, Zhejiang, Hangzhou 310007, China

Applicant before: Hangzhou vision krypton Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant