CN106709479A - 基于视频图像的人脸检测方法及系统 - Google Patents
基于视频图像的人脸检测方法及系统 Download PDFInfo
- Publication number
- CN106709479A CN106709479A CN201710103318.6A CN201710103318A CN106709479A CN 106709479 A CN106709479 A CN 106709479A CN 201710103318 A CN201710103318 A CN 201710103318A CN 106709479 A CN106709479 A CN 106709479A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- detection
- area
- metadata
- 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
Classifications
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开一种基于视频图像的人脸检测方法及装置,该人脸检测方法,包括如下步骤:将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及输出人脸检测结果及人脸元数据。本发明的技术方案能够提高人脸检测的识别效率,并且降低处理难度,能够兼顾效率和效果。
Description
技术领域
本发明涉及一种图像处理技术领域,尤其涉及一种基于视频图像的人脸检测方法及系统。
背景技术
目前,随着人脸检测技术的不断发展,各种优秀的人脸检测算法不断出现,效果已经接近甚至在某些情况超越人眼的识别能力。但方法的复杂性也是越来越高,简单的方法效率高,但效果差,复杂的方法效果好,但效率低,效率与效果成为一个矛盾。寻找效果好、效率高的人脸检测方法业已成为一个竞争热点。
有鉴于此,有必要提出对目前的人脸检测技术进行进一步的改进,以兼顾图像处理效率和效果。
发明内容
为解决上述至少一技术问题,本发明的主要目的是提供一种基于视频图像的人脸检测方法及系统。
为实现上述目的,本发明采用的一个技术方案为:提供一种基于视频图像的人脸检测方法,包括如下步骤:
将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;
对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;
根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;
对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及
输出人脸检测结果及人脸元数据。
其中,所述对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域的步骤,具体包括:
分别对第二图像的人脸特征、肤色特征及运动特征进行第一次特征检测,得到第二图像的人脸检测区、肤色检测区及运动检测区的元数据;
将第二图像的人脸检测区、肤色检测区及运动检测区的元数据合并,形成第二图像的检测区域。
其中,所述对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据的步骤,具体包括:对第一图像的人脸检测区域及及第二图像的检测区域进行逻辑与/或的操作得到人脸元数据,以实现对输出人脸元数据的过滤。
其中,所述预设的压缩因子为4-8倍。
为实现本发明的目的,本方案采用的另一个技术方案为:提出一种基于视频图像的人脸检测系统,包括:
预处理模块,用于将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;
第一特征检测模块,用于对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;
第二特征检测模块,用于根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;
合并模块,用于对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及
输出模块,用于输出人脸检测结果及人脸元数据。
其中,所述第一特征检测模块,具体用于:对第一图像的人脸检测区域及及第二图像的检测区域进行逻辑与/或的操作得到人脸元数据,以实现对输出人脸元数据的过滤。
分别对第二图像的人脸特征、肤色特征及运动特征进行第一次特征检测,得到第二图像的人脸检测区、肤色检测区及运动检测区的元数据;
将第二图像的人脸检测区、肤色检测区及运动检测区的元数据合并,形成第二图像的检测区域。
其中,所述合并模块,具体用于:
其中,所述预设的压缩因子为4-8倍。
本发明的技术方案通过采用先对经压缩处理的第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域,考虑到运算主要集中在检测环节,因而使得人脸检测的运算量集中在原先大图的某个或某些局部小范围的区域,去掉了大量冗余区域的运算,因而使得总体检测效率变高;根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域,如此,对大目标的检测能力不变,使得人的主观视觉效果不变;最后,对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据,最后输出图像检测结果和人脸元数据,兼顾了图像处理效率和视觉效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明一实施例基于视频图像的人脸检测方法的方法流程图;
图2为本发明另一实施例基于视频图像的人脸检测方法的方法流程图;
图3为本发明一实施例基于视频图像的人脸检测装置的模块方框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
请参照图1,在本发明实施例中,该基于视频图像的人脸检测方法,包括如下步骤:
步骤S10、将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;
步骤S20、对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;
步骤S30、根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;
步骤S40、对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及
步骤S50、输出人脸检测结果及人脸元数据。
本实施例中,主要通过结合视频监控的特点,以及通过观察总结人眼及一些生物眼的视觉特点及观察习惯而提出的基于视频图像的人脸检测方法。该人脸检测方法同时兼具图像处理效率和视觉效果的特点,该图像处理效率主要是通过对压缩后得到的第二图像进行特征检测,相比现有技术,相当于只对某个或某些局部小范围的区域作运算,即去掉了大量冗余区域的运算,因而使得总体检测效率及图像处理效率较高;通过压缩因子从第一图像中等比例地找出与检测区域对应的局部区域,对大目标的检测能力不变,使得人的主观视觉效果不变,最后通过对两者合并处理输出后,得到兼具图像处理效率与视觉效果的视频图像。
本发明的技术方案通过采用先对经压缩处理的第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域,考虑到运算主要集中在检测环节,因而使得人脸检测的运算量集中在原先大图的某个或某些局部小范围的区域,去掉了大量冗余区域的运算,因而使得总体检测效率变高;根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域,如此,对大目标的检测能力不变,使得人的主观视觉效果不变;最后,对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据,最后输出图像检测结果和人脸元数据,兼顾了图像处理效率和视觉效果。
请参照图1和图2,在一些实施例中,所述对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域的步骤S20,具体包括:
分别对第二图像的人脸特征、肤色特征及运动特征进行第一次特征检测,得到第二图像的人脸检测区、肤色检测区及运动检测区的元数据;
将第二图像的人脸检测区、肤色检测区及运动检测区的元数据合并,形成第二图像的检测区域。
本实施例中,经压缩处理后的第二图像,为了提高检测的准确性和可靠性,除了需要检测人脸特征(人脸轮廓特征、眼睛特征、嘴巴特征等)外,还可以进一步检测肤色特征、运动特征,可以分别得到第二图像的感兴趣区域,即人脸检测区、肤色检测区及运动检测区,如此,当目标信息较多时,也结合了仿生学原理与视频监控的特点,对画面进行了主观视觉的压缩,抓大放小,把计算量集中在一个面积较小的缩略图上。去掉了那些对大量细小信息的处理运算量,因而使得效率变高。
请继续参照图1和图2,在一些实施例中,所述对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据的步骤S40,具体包括:对第一图像的人脸检测区域及及第二图像的检测区域进行逻辑与/或的操作得到人脸元数据,以实现对输出人脸元数据的过滤。本实施例中,该步骤S40,可以将检测得到的人脸检测区域与得到的人脸检测区域进行逻辑上的与/或操作,输出结果可得到不同严格程度的过滤,可以只输出第二特征检测得到的人脸检测区域区域,也可只输出第一特征检测得到的人脸检测区域区域,也可根据面积大小,是否在画面中心等进行选择性与或操作。
请参照图2,在一具体的示例中,该基于视频图像的人脸检测方法,包括如下步骤:
第一步、对输入的原始图像P进行拷贝两份,一份缓存为第一图像P2;将采集的原始图像P进行拷贝出P1,将P1进行缩放因子为4-8倍的压缩,得到某个小分辨率的第二图像P3。例如,假如原始图像P为1920x1080分辨率,可以压缩为320x180的小分辨率的第二图像P3;
第二步、在小分辨率的第二图像P3上做特征检测,分别是人脸检测、肤色检测和运动检测,分别得到第二图像P3的感兴趣区域,即人脸区r1,肤色区r2,运动区r3。
第三步、将人脸区r1、肤色区r2、运动区r3进行合并,得到总的检测区域R1;
第四步、在第一图像P2中,按压缩比例找到R1区域对应的局部区域R2;
第五步、在第一图像P2的局部区域R2中做进一步的人脸检测,得到P2图像的人脸区f1;
第六步,将在第一图像P2的人脸区f1和图像P3的人脸区r1进行合并。根据合并结果,输出人脸检测结果及人脸元数据。
请参照图3,本发明的实施例中,该基于视频图像的人脸检测系统,包括:
预处理模块10,用于将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;
第一特征检测模块20,用于对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;
第二特征检测模块30,用于根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;
合并模块40,用于对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及
输出模块50,用于输出人脸检测结果及人脸元数据。
本实施例中,该人脸检测装置同时兼具图像处理效率和视觉效果的特点,该图像处理效率主要是通过第一特征检测模块20对压缩后得到的第二图像进行特征检测,相比现有技术,相当于只对某个或某些局部小范围的区域作运算,即去掉了大量冗余区域的运算,因而使得总体检测效率及图像处理效率较高;通过第二特征检测模块30根据压缩因子从第一图像中等比例地找出与检测区域对应的局部区域,对大目标的检测能力不变,使得人的主观视觉效果不变,然后通过合并模块40对两者合并处理,最后通过输出模块50输出后,得到兼具图像处理效率与视觉效果的视频图像。
在一些实施例中,所述第一特征检测模块20,具体用于:
分别对第二图像的人脸特征、肤色特征及运动特征进行第一次特征检测,得到第二图像的人脸检测区、肤色检测区及运动检测区的元数据;
将第二图像的人脸检测区、肤色检测区及运动检测区的元数据合并,形成第二图像的检测区域。
本实施例中,经压缩处理后的第二图像,为了提高检测的准确性和可靠性,除了需要检测人脸特征(人脸轮廓特征、眼睛特征、嘴巴特征等)外,该第一特征检测模块20,还可以进一步检测肤色特征、运动特征,可以分别得到第二图像的感兴趣区域,即人脸检测区、肤色检测区及运动检测区,如此,当目标信息较多时,也结合了仿生学原理与视频监控的特点,对画面进行了主观视觉的压缩,抓大放小,把计算量集中在一个面积较小的缩略图上。去掉了那些对大量细小信息的处理运算量,因而使得效率变高。除此之外,本实施例还可以降低处理器的运算负荷,提高处理效率。
在一些实施例中,所述合并模块40,具体用于:对第一图像的人脸检测区域及及第二图像的检测区域进行逻辑与/或的操作得到人脸元数据,以实现对输出人脸元数据的过滤。本实施例中,通过合并模块,可以将第二特征检测模块检测得到的人脸检测区域与第一特征检测模块检测得到的人脸检测区域进行逻辑上的与/或操作,输出结果可得到不同严格程度的过滤,可以只输出第二特征检测得到的人脸检测区域区域,也可只输出第一特征检测得到的人脸检测区域区域,也可根据面积大小,是否在画面中心等进行选择性与或操作。
在一些实施例中,上述预处理模块10的压缩因子为4-8倍,优选地,压缩因子为6倍,可以理解的,在基于本方案的发明目的基础上的其他范围的压缩因子,均是可行方案。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种基于视频图像的人脸检测方法,其特征在于,所述基于视频图像的人脸检测方法,包括如下步骤:
将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;
对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;
根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;
对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及
输出人脸检测结果及人脸元数据。
2.如权利要求1所述的基于视频图像的人脸检测方法,其特征在于,所述对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域的步骤,具体包括:
分别对第二图像的人脸特征、肤色特征及运动特征进行第一次特征检测,得到第二图像的人脸检测区、肤色检测区及运动检测区的元数据;
将第二图像的人脸检测区、肤色检测区及运动检测区的元数据合并,形成第二图像的检测区域。
3.如权利要求1所述的基于视频图像的人脸检测方法,其特征在于,所述对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据的步骤,具体包括:对第一图像的人脸检测区域及及第二图像的检测区域进行逻辑与/或的操作得到人脸元数据,以实现对输出人脸元数据的过滤。
4.如权利要求1所述的基于视频图像的人脸检测方法,其特征在于,所述预设的压缩因子为4-8倍。
5.一种基于视频图像的人脸检测装置,其特征在于,所述基于视频图像的人脸检测系统包括:
预处理模块,用于将输入的原始图像拷贝两份,对一份原始图像进行缓存处理得到第一图像,另一份原始图像根据预设的压缩因子进行压缩处理得到第二图像;
第一特征检测模块,用于对第二图像的人脸特征进行第一次特征检测,得到第二图像的检测区域;
第二特征检测模块,用于根据所述压缩因子在第一图像中等比例地找出与检测区域对应的局部区域,并对局部区域的人脸特征进行第二次特征检测,得到第一图像的人脸检测区域;
合并模块,用于对第一图像的人脸检测区域及第二图像的检测区域进行合并处理得到人脸元数据;以及
输出模块,用于输出人脸检测结果及人脸元数据。
6.如权利要求5所述的基于视频图像的人脸检测装置,其特征在于,所述第一特征检测模块,具体用于:
分别对第二图像的人脸特征、肤色特征及运动特征进行第一次特征检测,得到第二图像的人脸检测区、肤色检测区及运动检测区的元数据;
将第二图像的人脸检测区、肤色检测区及运动检测区的元数据合并,形成第二图像的检测区域。
7.如权利要求5所述的基于视频图像的人脸检测装置,其特征在于,所述第二特征检测模块,具体用于:对第一图像的人脸检测区域及及第二图像的检测区域进行逻辑与/或的操作得到人脸元数据,以实现对输出人脸元数据的过滤。
8.如权利要求5所述的基于视频图像的人脸检测装置,其特征在于,所述预设的压缩因子为4-8倍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710103318.6A CN106709479B (zh) | 2017-02-24 | 2017-02-24 | 基于视频图像的人脸检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710103318.6A CN106709479B (zh) | 2017-02-24 | 2017-02-24 | 基于视频图像的人脸检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709479A true CN106709479A (zh) | 2017-05-24 |
CN106709479B CN106709479B (zh) | 2019-11-05 |
Family
ID=58917760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710103318.6A Active CN106709479B (zh) | 2017-02-24 | 2017-02-24 | 基于视频图像的人脸检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709479B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609528A (zh) * | 2017-09-21 | 2018-01-19 | 阿尔图像有限公司 | 人脸图像的识别方法、装置及终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101316366A (zh) * | 2008-07-21 | 2008-12-03 | 北京中星微电子有限公司 | 图像编/解码方法和图像编/解码装置 |
CN101593022A (zh) * | 2009-06-30 | 2009-12-02 | 华南理工大学 | 一种基于指端跟踪的快速人机交互方法 |
US20100021062A1 (en) * | 2008-07-25 | 2010-01-28 | Nokia Corporation | Apparatus,method and computer program providing image processing using software and hardware processing |
CN103679116A (zh) * | 2012-09-03 | 2014-03-26 | 上海唐里信息技术有限公司 | 检测场景内目标数量的方法及装置 |
CN103905821A (zh) * | 2014-04-23 | 2014-07-02 | 深圳英飞拓科技股份有限公司 | 能够识别人脸的视频编码方法及装置 |
-
2017
- 2017-02-24 CN CN201710103318.6A patent/CN106709479B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101316366A (zh) * | 2008-07-21 | 2008-12-03 | 北京中星微电子有限公司 | 图像编/解码方法和图像编/解码装置 |
US20100021062A1 (en) * | 2008-07-25 | 2010-01-28 | Nokia Corporation | Apparatus,method and computer program providing image processing using software and hardware processing |
CN101593022A (zh) * | 2009-06-30 | 2009-12-02 | 华南理工大学 | 一种基于指端跟踪的快速人机交互方法 |
CN103679116A (zh) * | 2012-09-03 | 2014-03-26 | 上海唐里信息技术有限公司 | 检测场景内目标数量的方法及装置 |
CN103905821A (zh) * | 2014-04-23 | 2014-07-02 | 深圳英飞拓科技股份有限公司 | 能够识别人脸的视频编码方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609528A (zh) * | 2017-09-21 | 2018-01-19 | 阿尔图像有限公司 | 人脸图像的识别方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN106709479B (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Unsupervised decomposition and correction network for low-light image enhancement | |
CN110298790A (zh) | 一种对图像进行超分辨率重建的处理方法及装置 | |
CN112487922B (zh) | 一种多模态人脸活体检测方法及系统 | |
Lee et al. | 3D visual activity assessment based on natural scene statistics | |
Lin et al. | Quality index for stereoscopic images by jointly evaluating cyclopean amplitude and cyclopean phase | |
WO2021127841A1 (zh) | 属性识别方法、装置、存储介质及电子设备 | |
CN110517198A (zh) | 用于ldct图像去噪的高频敏感gan网络 | |
CN108765264A (zh) | 图像美颜方法、装置、设备及存储介质 | |
CN110532992A (zh) | 一种基于可见光和近红外的人脸识别方法 | |
Hayashi et al. | Detection of retinal nerve fiber layer defects in retinal fundus images using Gabor filtering | |
CN111815518A (zh) | 投影图像拼接方法、装置、计算机设备、存储介质及系统 | |
US9552629B2 (en) | Medical thermal image processing for subcutaneous detection of veins, bones and the like | |
CN106709479A (zh) | 基于视频图像的人脸检测方法及系统 | |
CN114972106A (zh) | 内窥镜的图像处理方法、装置、图像处理设备和内窥镜 | |
CN113506274A (zh) | 基于视觉显著性差异图的用于人体认知状况的检测系统 | |
Zhou et al. | Hierarchical visual comfort assessment for stereoscopic image retargeting | |
Avcı et al. | MFIF-DWT-CNN: Multi-focus ımage fusion based on discrete wavelet transform with deep convolutional neural network | |
Jung et al. | Visual discomfort visualizer using stereo vision and time-of-flight depth cameras | |
CN115796264A (zh) | 一种基于模糊自引导的结构保护生成对抗网络的方法 | |
CN116311495A (zh) | 一种基于视频输入的双流全局-局部动作识别方法、系统、设备及存储介质 | |
Jian et al. | Towards reliable object representation via sparse directional patches and spatial center cues | |
CN105303508B (zh) | 图片处理方法及装置 | |
Ni et al. | Diverse local facial behaviors learning from enhanced expression flow for microexpression recognition | |
Tang et al. | EgeFusion: Towards Edge Gradient Enhancement in Infrared and Visible Image Fusion With Multi-Scale Transform | |
CN108875467A (zh) | 活体检测的方法、装置及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |