CN106778482A - 人脸追踪方法及装置 - Google Patents
人脸追踪方法及装置 Download PDFInfo
- Publication number
- CN106778482A CN106778482A CN201611030171.4A CN201611030171A CN106778482A CN 106778482 A CN106778482 A CN 106778482A CN 201611030171 A CN201611030171 A CN 201611030171A CN 106778482 A CN106778482 A CN 106778482A
- Authority
- CN
- China
- Prior art keywords
- face
- frame
- present
- mark
- face frame
- 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.)
- Pending
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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)
Abstract
本发明公开了一种人脸追踪方法及装置,涉及人脸识别技术领域,可以实现对人脸进行实时跟踪。所述方法包括:根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框;若存在,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算;根据计算结果,对所述当前帧中的人脸框进行人脸标记,以便实现人脸实时追踪。本发明适用于人脸追踪。
Description
技术领域
本发明涉及一种人脸识别技术领域,特别是涉及一种人脸追踪方法及装置。
背景技术
随着科学技术的发展,人脸识别技术越来越成熟。人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和追踪人脸,进而对检测到的人脸进行脸部的一系列相关技术。
目前,在人脸识别中,通常会在人脸检测时框脸,在识别之后进行人脸标记。然而,当人脸发生移动时,由于人脸识别速度是小于人脸检测速度的,在对移动后的人脸进行识别之前,无法对移动后的人脸进行人脸标记,此时只存在人脸框但不存在人脸标记,进而无法实现对人脸进行实时追踪。
发明内容
有鉴于此,本发明实施例提供了一种人脸追踪方法及装置,主要目的在于可以实现对人脸进行实时追踪。
依据本发明实施例一个方面,提供了一种人脸追踪方法,该方法包括:
根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框;
若存在,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算;
根据计算结果,对所述当前帧中的人脸框进行人脸标记,以便实现人脸实时追踪。
进一步地,所述将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算之前,所述方法还包括:
根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框;
若所述当前帧中不存在新增的人脸框,则所述将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算,具体包括:
选取所述当前帧中存在的人脸框与所述上一帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述根据计算结果,对所述当前帧中的人脸框进行人脸标记,具体包括:
根据与所述上一帧中所述人脸框中心点之间距离最小的人脸框对应的人脸标记,对选取的所述当前帧中的人脸框进行人脸标记。
具体地,若所述当前帧中存在新增的人脸框,则所述将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算,具体包括:
选取所述上一帧中存在的人脸框与所述当前帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述根据计算结果,对所述当前帧中的人脸框进行人脸标记,具体包括:
根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记。
进一步地,所述根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记之后,所述方法还包括:
将所述当前帧中未进行人脸标记的人脸框,确定为所述当前帧中存在的新增的人脸框;
根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。
进一步地,所述根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框之后,所述方法还包括:
若所述当前帧中存在新增的人脸框,则将所述当前帧中与所述上一帧中每个人脸框分别计算的人脸框中心点之间距离都大于或等于预定阈值的人脸框,确定为新增的人脸框;
根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。
进一步地,所述方法还包括:
记录所述当前帧中已进行人脸标记的人脸框对应的人脸图片,以便进行人脸追踪学习。
进一步地,所述根据计算结果,对所述当前帧中的人脸框进行人脸标记之后,所述方法还包括:
根据对所述当前帧的人脸识别结果,检测所述当前帧中是否存在错误人脸标记的人脸框;
若存在,则根据所述人脸识别结果对存在错误人脸标记的人脸框进行更正。
依据本发明实施例另一个方面,提供了一种人脸追踪装置,该装置包括:
检测单元,用于根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框;
计算单元,用于若所述检测单元检测出与所述当前帧对应的上一帧中存在人脸框,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算;
标记单元,用于根据所述计算单元的计算结果,对所述当前帧中的人脸框进行人脸标记,以便实现人脸实时追踪。
进一步地,所述检测单元,还用于根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框;
所述计算单元,具体用于若所述检测单元检测出当前帧中不存在新增的人脸框,选取所述当前帧中存在的人脸框与所述上一帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述标记单元,具体用于根据与所述上一帧中所述人脸框中心点之间距离最小的人脸框对应的人脸标记,对选取的所述当前帧中的人脸框进行人脸标记。
具体地,所述计算单元,具体用于若所述检测单元检测出所述当前帧中存在新增的人脸框,则选取所述上一帧中存在的人脸框与所述当前帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述标记单元,具体用于根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记。
进一步地,所述装置还包括:确定单元;
所述确定单元,用于将所述当前帧中未进行人脸标记的人脸框,确定为所述当前帧中存在的新增的人脸框;
所述标记单元,还用于根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。
所述确定单元,用于若所述当前帧中存在新增的人脸框,则将所述当前帧中与所述上一帧中每个人脸框分别计算的人脸框中心点之间距离都大于或等于预定阈值的人脸框,确定为新增的人脸框;
所述标记单元,用于根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。
进一步地,所述装置还包括:记录单元,用于记录所述当前帧中已进行人脸标记的人脸框对应的人脸图片,以便进行人脸追踪学习。
进一步地,所述装置还包括:更正单元;
所述检测单元,还用于根据对所述当前帧的人脸识别结果,检测所述当前帧中是否存在错误人脸标记的人脸框;
所述更正单元,用于若所述检测单元检测所述当前帧中存在错误人脸标记的人脸框,则根据所述人脸识别结果对存在错误人脸标记的人脸框进行更正。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明实施例提供的一种人脸追踪方法及装置,首先根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框;若存在,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算;然后根据计算结果,对所述当前帧中的人脸框进行人脸标记,以便实现人脸实时追踪。与目前在人脸识别之后再进行人脸标记相比,本发明实施例通过对实时图像中相邻的两帧进行实时检测,根据与上一帧中人脸框中心点之间距离最小的人脸框对应的人脸标记,对当前帧中的人脸框进行人脸标记,即可以在对当前帧进行人脸识别之前,找到两次间人脸框坐标移动最小的人脸框进行人脸标记,通过本发明实施例的方法及装置,可以对实时图像中每一帧图像内的人脸框实时进行人脸标记,进而可以实现对已经有标记的人脸进行实时追踪,并且可以实现将人脸检测与人脸识别的过程分开进行,可以提高框出人脸的速度,从而提升了用户体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种人脸追踪方法流程示意图;
图2示出了本发明实施例提供的另一种人脸追踪方法流程示意图;
图3示出了本发明实施例提供的一种人脸追踪装置结构示意图;
图4示出了本发明实施例提供的另一种人脸追踪装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开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公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种人脸追踪方法,可以实现对人脸进行实时追踪,如图1所示,所述方法包括:
101、根据实时图像的人脸检测结果,当检测出实时图像的当前帧中存在人脸框时,检测与当前帧对应的上一帧中是否存在人脸框。
其中,实时图像可以为进行人脸识别的过程中实时采集的图像。
对于本发明实施例的执行主体可以为配置在人脸识别设备中用于控制人脸追踪的装置。在本发明实施例中,对采集到的实时图像首先进行实时人脸检测,即依次检测采集到的实时图像的每一帧图像中是否存在人脸特征,若检测出实时图像的当前帧图像中存在人脸特征,可以根据人脸特征在当前帧图像中的位置进行框脸得到人脸框,需要说明的是,若检测出当前帧图像中存在多张人脸的特征,可以分别进行框脸,得到多个人脸框。
在对一帧图像进行框脸得到人脸框后,可以记录相应的人脸框坐标,当检测出实时图像的当前帧图像中存在人脸框时,可以通过查找是否记录了上一帧图像中相应的人脸框坐标,判断上一帧图像中是否存在人脸框,若记录了上一帧图像中相应的人脸框坐标,则确定上一帧图像中存在人脸框;若没有记录上一帧图像中相应的人脸框坐标,则确定上一帧图像中不存在人脸框。
102、若检测出与当前帧对应的上一帧中存在人脸框,则将当前帧中存在的人脸框与上一帧中存在的人脸框进行人脸框中心点之间距离的计算。
例如,检测出当前帧图像中水平方向存在两个人脸框,即可以分为左人脸框和右人脸框,并且上一帧图像中也存在两个人脸框,分别为人脸框A和人脸框B,取左人脸框对应的人脸框中心点坐标a(A1,A2)和取人脸框A对应的人脸框中心点坐标b(B1,B2),计算这两个坐标点之间的距离,即然后根据相同方式计算左人脸框对应的人脸框中心点与人脸框B对应的人脸框中心点之间的距离;另外为了对右人脸框进行人脸标记,还需要计算右人脸框与人脸框A的人脸框中心点距离,和右人脸框与人脸框B的人脸框中心点距离。
103、根据计算结果,对当前帧中的人脸框进行人脸标记。
其中,人脸标记的内容可以为人物昵称、代号、姓名、ID(Identity,身份标识号码)号等。
例如,检测出当前帧图像中竖直方向存在两个人脸框,即可以分为上下两个人脸框a和b,并且上一帧图像中也存在两个人脸框,分别为人脸框A和人脸框B,经过人脸框中心点之间距离的计算,找到在上一帧图像中与a的人脸框坐标移动最小的人脸框为人脸框A,根据人脸框A的人脸标记,对a进行标记,并且根据相同方式找到与上一帧图像中与b的人脸框坐标移动最小的人脸框为人脸框B,根据人脸框B人脸标记,对b进行标记。最终使得a的人脸标记与人脸框A的人脸标记相同,而b的人脸标记与人脸框B的人脸标记相同,进而实现对人脸进行实时追踪,从而可以提高用户的体验。
在本发明实施例中,在对当前帧图像中的各个人脸框进行人脸标记后,可以记录相应的人脸框坐标,以便为下一帧图像的人脸追踪做准备。
本发明实施例提供的一种人脸追踪方法,与目前在人脸识别之后再进行人脸标记相比,本发明实施例通过对实时图像中相邻的两帧进行实时检测,根据与上一帧中人脸框中心点之间距离最小的人脸框对应的人脸标记,对当前帧中的人脸框进行人脸标记,即可以在对当前帧进行人脸识别之前,找到两次间人脸框坐标移动最小的人脸框进行人脸标记,通过本发明实施例的方法,可以对实时图像中每一帧图像内的人脸框实时进行人脸标记,进而可以实现对已经有标记的人脸进行实时追踪,并且可以实现将人脸检测与人脸识别的过程分开进行,可以提高框出人脸的速度,从而提升了用户体验。
为了更好的对上述图1所示的方法进行理解,作为对上述实施方式的细化和扩展,本发明实施例提供了另一种人脸追踪方法,如图2所示,所述方法包括:
201、根据实时图像的人脸检测结果,当检测出实时图像的当前帧中存在人脸框时,检测与当前帧对应的上一帧中是否存在人脸框。
在本发明实施例中,如果上一帧图像中不存在人脸框,说明从当前帧开始,才有人脸出现,可以进行相应的框脸操作,并且可以初步为其分配相应的人脸标记,以便减少人脸框没有人脸标记的空白时间,进而提高用户体验,在人脸识别之后,根据识别结果再进行更正。
202、若上一帧中存在人脸框,则根据上一帧中存在的人脸框数量,检测当前帧中是否存在新增的人脸框。
如果上一帧图像中人脸框的数量小于当前帧图像中人脸框的数量,说明此时有新增的人员进入实时图像的有效采集范围内,进而确定当前帧图像中存在新增的人脸框,接下来执行步骤203a至步骤206a,以便实现除了对原有人员的人脸框进行人脸标记外,还可以对新增人员进行人脸标记;如果上一帧图像中人脸框的数量与当前帧图像中人脸框的数量相同,说明当前帧图像存在的用户与上一帧图像中存在的用户相同,为同一批人,不存在新增人员,进而说明当前帧图像中没有新增的人脸框,接下来执行步骤203b至步骤204b;如果上一帧图像中人脸框的数量大于当前帧图像中人脸框的数量时,说明此时有部分人离开了实时图像的有效采集范围,但并没有新增的人员进入,进而说明当前帧图像中没有新增的人脸框,接下来同样执行步骤203b至步骤204b。
203a、若当前帧中存在新增的人脸框,则选取上一帧中存在的人脸框与当前帧中每个人脸框分别进行人脸框中心点之间距离的计算。
204a、根据选取的上一帧中人脸框对应的人脸标记,对与当前帧中人脸框中心点之间距离最小的人脸框进行人脸标记。
例如,上一帧图像中存在2个人脸框A1,A2,当前帧图像中存在3个人脸框B1,B2,B3,选取A1与B1、B2、B3分别进行人脸框中心点之间距离的计算,以及选取A2与B1、B2、B3分别进行人脸框中心点之间距离的计算,依据计算结果,对于A1,可以找到最小移动距离的B1,将A1的人脸标记配置给B1;对于A2,可以找到最小移动距离的B2,将A2的人脸标记配置给B2。
需要说明的是,为了加快人脸标记的速度,通过上述方式对当前帧的一个人脸框进行人脸标记后,可以将在当前帧中已标记的人脸框进行剔除处理,接着对上一帧中的下一个人脸框进行人脸框中心点之间距离的计算时,无需再与当前帧中已经剔除掉的人脸框进行人脸框中心点之间距离的计算,减少了计算内容,进而可以提高计算速度,从而提高人脸标记的效率。
205a、将当前帧中未进行人脸标记的人脸框,确定为当前帧中存在的新增的人脸框。
例如,上一帧图像中存在2个人脸框A1,A2,当前帧图像中存在3个人脸框B1,B2,B3,经过人脸框中心点之间距离的计算,对于A1,可以找到最小移动距离的B1,将A1的人脸标记配置给B1;对于A2,可以找到最小移动距离的B2,将A2的人脸标记配置给B2;这样只有B3未进行人脸标记,将B3确定为当前帧中存在的新增的人脸框。
在本发明实施例中,若当前帧中存在新增的人脸框,为了及时对其进行标记,提高新增人脸框的检测效率,还可以通过如下步骤确定新增的人脸框,即将所述当前帧中与所述上一帧中每个人脸框分别计算的人脸框中心点之间距离都大于或等于预定阈值的人脸框,确定为新增的人脸框。其中,预定阈值可以由技术人员根据经验常数进行预先设定。
例如,当前帧图像中竖直方向存在3个人脸框,分为上、中、下三个人脸框,而上一帧图像中存在2个人脸框,说明当前帧图像中存在一个新增的人脸框,经过人脸框中心点之间距离的计算,当前帧图像中只有最下面的人脸框与上一帧图像中2个人脸框分别计算的人脸框中心点之间距离都大于预定阈值,因此,确定最下面的人脸框为新增的人脸框。
再例如,当前帧图像中存在3个人脸框B1,B2,B3,而上一帧图像中存在2个人脸框A1,A2,说明当前帧图像中存在一个新增的人脸框,经过人脸框中心点之间距离的计算,B1与A1、A2分别计算的人脸框中心点之间距离都大于预定阈值,同时B3与A1、A2分别计算的人脸框中心点之间距离也都大于预定阈值,此时存在两个新增人脸框的待确定对象,可以进一步检测这两个人脸框中哪个人脸框与上一帧图像中A1、A2分别计算的人脸框中心点之间距离更接近预定阈值,如果B1与A1、A2分别计算的人脸框中心点之间距离更接近预定阈值,说明B1的移动距离较小,而B3的移动距离较大,B3很可能是新增的人脸框,进而将B3确定为新增的人脸框。
在确定新增的人脸框之后,可以根据预置新增人脸标识,对新增的人脸框进行人脸标记,并且可以记录相应的人脸图片以便对陌生人脸进行追踪学习,在对当前帧图像进行人脸识别后,可以根据人脸识别结果再进行更正。
206a、根据预置新增人脸标识,对新增的人脸框进行人脸标记。
其中,预置新增人脸标识可以由技术人员根据实际需求进行预先配置。例如,当检测出新增1个人脸框时,可以标记为“新头像”;当检测出新增2个人脸框时,可以分别标记为“新头像A”、“新头像B”。
需要说明的是,通过对新增的人脸框进行人脸标记,可以使用户在进行人脸识别的过程中了解新增人员,可以提高用户的体验。
与步骤203a并列的步骤203b、若当前帧中不存在新增的人脸框,则选取所述当前帧中存在的人脸框与所述上一帧中每个人脸框分别进行人脸框中心点之间距离的计算。
例如,检测出当前帧图像中水平方向存在两个人脸框,分为左人脸框和右人脸框,并且上一帧图像中也存在两个人脸框,分别为人脸框A和人脸框B,取左人脸框对应的人脸框中心点坐标a和取人脸框A对应的人脸框中心点坐标b,计算这两个中心点的距离,然后根据相同方式计算左人脸框对应的人脸框中心点与人脸框B对应的人脸框中心点之间的距离。
204b、根据与上一帧中人脸框中心点之间距离最小的人脸框对应的人脸标记,对选取的当前帧中的人脸框进行人脸标记。
例如,在当前帧图像中选取的一个人脸框与上一帧中每个人脸框分别计算人脸框中心点之间距离后,根据上一帧中该距离最小的人脸框对应的人脸标记,对选取的这个人脸框进行人脸标记,使得这两个人脸标记相同。
在本发明实施例中,为了加快人脸标记的速度,通过上述方式对当前帧的一个人脸框进行人脸标记后,可以将上一帧中与其人脸框移动最小的人脸框进行剔除处理,接着对当前帧中的下一个人脸框进行人脸框中心点之间距离的计算时,无需再与上一帧中已经剔除掉的人脸框进行人脸框中心点之间距离的计算。
例如,检测出当前帧图像中水平方向存在三个人脸框,分为‘左’、‘中’、‘右’这三个人脸框,上一帧图像中也存在三个人脸框,分别为人脸框A、人脸框B、人脸框C,经过左人脸框分别与人脸框A、人脸框B、人脸框C的人脸框中心点之间距离的计算,确定‘左’人脸框与人脸框A的人脸框中心点之间距离最小,将‘左’人脸框进行与人脸框A相同的人脸标记,然后可以将人脸框A在上一帧图像中进行剔除处理,然后当‘中’人脸框或‘右’人脸框与上一帧图像中的人脸框进行人脸框中心点之间距离计算时,只需与人脸框B、人脸框C分别计算人脸框中心点之间距离即可,无需再与人脸框A进行人脸框中心点之间距离的计算,减少了计算内容,进而可以提高计算速度,从而提高人脸标记的效率。
对于本发明实施例,在保证当前帧图像中的每个人脸框都有人脸标记后,可以停止对当前帧图像中的人脸框进行人脸标记。进一步地,为了满足人脸自助学习的需求,所述方法还可以包括:记录所述当前帧中已进行人脸标记的人脸框对应的人脸图片,以便进行人脸追踪学习。通过本发明实施例提供的方法,可以在实时图像的每一帧图像中区分多张人脸,并可以记录相应人脸图片,以便进行人脸追踪学习,学习人脸的变化特征,可以为后续人脸识别过程作参考依据。
进一步地,为了保证人脸标记的准确性,以便进行准确地人脸追踪,所述方法还可以包括:根据对所述当前帧的人脸识别结果,检测所述当前帧中是否存在错误人脸标记的人脸框;若存在,则根据所述人脸识别结果对存在错误人脸标记的人脸框进行更正。
例如,通过计算人脸框中心点之间距离的方法,当前帧图像中都已经进行人脸标记,后续对这一帧图像进行人脸识别,如果根据人脸识别结果检测出这一帧图像中存在错误人脸标记的人脸框时,可以进行相应更正,以便后续的帧图像中能够进行准确的人脸标记,进而可以准确地实现人脸追踪。
本发明实施例提供的另一种人脸追踪方法,与目前在人脸识别之后再进行人脸标记相比,本发明实施例通过对实时图像中相邻的两帧进行实时检测,根据与上一帧中人脸框中心点之间距离最小的人脸框对应的人脸标记,对当前帧中的人脸框进行人脸标记,即可以在对当前帧进行人脸识别之前,找到两次间人脸框坐标移动最小的人脸框进行人脸标记,通过本发明实施例的方法,可以对实时图像中每一帧图像内的人脸框实时进行人脸标记,进而可以实现对已经有标记的人脸进行实时追踪;并且可以对新增的人脸框进行人脸标记,可以使用户在进行人脸识别的过程中了解新增人员,可以提高用户的体验;以及根据对当前帧的人脸识别结果,对存在错误人脸标记的人脸框进行及时更正,可以准确地进行人脸追踪。
进一步地,作为图1所述方法的具体实现,本发明实施例提供了一种人脸追踪装置,如图3所示,所述装置包括:检测单元31、计算单元32、标记单元33。
所述检测单元31,可以用于根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框。检测单元31为本装置中进行人脸框检测的主要功能模块。具体可以根据上一帧中记录的人脸框坐标,确定上一帧中是否存在人脸框。当检测出上一帧中存在人脸框时触发计算单元32进行工作。
所述计算单元32,可以用于若所述检测单元31检测出与所述当前帧对应的上一帧中存在人脸框,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算。所述计算单元32为本装置中进行人脸框中心点之间距离计算的主要功能模块。
所述标记单元33,可以用于根据所述计算单元32的计算结果,对所述当前帧中的人脸框进行人脸标记,对所述当前帧中的人脸框进行人脸标记。进一步地,以便于实现人脸实时追踪。所述标记单元33为本装置中对人脸框进行人脸标记的主要功能,具体可以依据计算单元32的计算结果为当前帧中的人脸框从上一帧中选择人脸框坐标移动最小的人脸框进行人脸标记。
需要说明的是,本发明实施例提供的一种人脸追踪装置所涉及各功能单元的其他相应描述,可以参考图1中的对应描述,在此不再赘述。
本发明实施例提供的一种人脸追踪装置,包括:检测单元、计算单元、标记单元,与目前在人脸识别之后再进行人脸标记相比,本发明实施例通过对实时图像中相邻的两帧进行实时检测,根据与上一帧中人脸框中心点之间距离最小的人脸框对应的人脸标记,对当前帧中的人脸框进行人脸标记,即可以在对当前帧进行人脸识别之前,找到两次间人脸框坐标移动最小的人脸框进行人脸标记,通过本发明实施例的方法,可以对实时图像中每一帧图像内的人脸框实时进行人脸标记,进而可以实现对已经有标记的人脸进行实时追踪,并且可以实现将人脸检测与人脸识别的过程分开进行,可以提高框出人脸的速度,从而提升了用户体验。
进一步地,作为图2所述方法的具体实现,本发明实施例提供了另一种人脸追踪装置,如图4所示,所述装置包括:检测单元41、计算单元42、标记单元43。
所述检测单元41,可以用于根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框。检测单元41为本装置中进行人脸框检测的主要功能模块。具体可以根据上一帧中记录的人脸框坐标,确定上一帧中是否存在人脸框。当检测出上一帧中存在人脸框时触发计算单元42进行工作。
所述计算单元42,可以用于若所述检测单元41检测出与所述当前帧对应的上一帧中存在人脸框,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算。所述计算单元42为本装置中进行人脸框中心点之间距离计算的主要功能模块。
所述标记单元43,可以用于根据所述计算单元42的计算结果,对所述当前帧中的人脸框进行人脸标记。进一步地,以便于实现人脸实时追踪。所述标记单元43为本装置中对人脸框进行人脸标记的主要功能,具体可以依据计算单元42的计算结果为当前帧中的人脸框从上一帧中选择人脸框坐标移动最小的人脸框进行人脸标记。
所述检测单元41,还可以用于根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框。
所述计算单元42,具体可以用于若所述检测单元41检测出当前帧中不存在新增的人脸框,选取所述当前帧中存在的人脸框与所述上一帧中每个人脸框分别进行人脸框中心点之间距离的计算。
所述标记单元43,具体可以用于根据与所述上一帧中所述人脸框中心点之间距离最小的人脸框对应的人脸标记,对选取的所述当前帧中的人脸框进行人脸标记。
所述计算单元42,具体可以用于若所述检测单元41检测出所述当前帧中存在新增的人脸框,则选取所述上一帧中存在的人脸框与所述当前帧中每个人脸框分别进行人脸框中心点之间距离的计算。
所述标记单元43,具体可以用于根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记。
进一步地,所述装置还包括:确定单元44。
所述确定单元44,可以用于将所述当前帧中未进行人脸标记的人脸框,确定为所述当前帧中存在的新增的人脸框。
所述确定单元44,还可以用于若所述当前帧中存在新增的人脸框,则将所述当前帧中与所述上一帧中每个人脸框分别计算的人脸框中心点之间距离都大于或等于预定阈值的人脸框,确定为新增的人脸框。可以及时检测出新增的人脸框,进而可以及时对新增人脸框进行人脸标记。
所述标记单元43,可以用于根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。需要说明的是,通过对新增的人脸框进行人脸标记,可以使用户在进行人脸识别的过程中了解新增人员,可以提高用户的体验。
进一步地,所述装置还包括:记录单元45。
所述记录单元45,可以用于记录所述当前帧中已进行人脸标记的人脸框对应的人脸图片,进一步地,以便于进行人脸追踪学习,可以满足人脸自助学习的需求,学习人脸的变化特征,可以为后续人脸识别过程作参考依据。
进一步地,所述装置还包括:更正单元46。
所述检测单元41,可以用于根据对所述当前帧的人脸识别结果,检测所述当前帧中是否存在错误人脸标记的人脸框。
所述更正单元46,可以用于若所述检测单元41检测所述当前帧中存在错误人脸标记的人脸框,则根据所述人脸识别结果对存在错误人脸标记的人脸框进行更正。以便后续的帧图像中能够进行准确的人脸标记,进而可以准确地实现人脸追踪。
需要说明的是,本发明实施例提供的另一种人脸追踪装置所涉及各功能单元的其他相应描述,可以参考图2中的对应描述,在此不再赘述。
本发明实施例提供的另一种人脸追踪装置,包括:检测单元、计算单元、标记单元、处理单元、确定单元、记录单元、更正单元等,与目前在人脸识别之后再进行人脸标记相比,本发明实施例通过对实时图像中相邻的两帧进行实时检测,根据与上一帧中人脸框中心点之间距离最小的人脸框对应的人脸标记,对当前帧中的人脸框进行人脸标记,即可以在对当前帧进行人脸识别之前,找到两次间人脸框坐标移动最小的人脸框进行人脸标记,通过本发明实施例的方法,可以对实时图像中每一帧图像内的人脸框实时进行人脸标记,进而可以实现对已经有标记的人脸进行实时追踪;并且可以对新增的人脸框进行人脸标记,可以使用户在进行人脸识别的过程中了解新增人员,可以提高用户的体验;以及根据对当前帧的人脸识别结果,对存在错误人脸标记的人脸框进行及时更正,可以准确地进行人脸追踪。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种人脸追踪方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种人脸追踪方法,其特征在于,包括:
根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框;
若存在,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算;
根据计算结果,对所述当前帧中的人脸框进行人脸标记,以便实现人脸实时追踪。
2.根据权利要求1所述的人脸追踪方法,其特征在于,所述将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算之前,所述方法还包括:
根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框;
若所述当前帧中不存在新增的人脸框,则所述将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算,具体包括:
选取所述当前帧中存在的人脸框与所述上一帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述根据计算结果,对所述当前帧中的人脸框进行人脸标记,具体包括:
根据与所述上一帧中所述人脸框中心点之间距离最小的人脸框对应的人脸标记,对选取的所述当前帧中的人脸框进行人脸标记。
3.根据权利要求2所述的人脸追踪方法,其特征在于,若所述当前帧中存在新增的人脸框,则所述将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算,具体包括:
选取所述上一帧中存在的人脸框与所述当前帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述根据计算结果,对所述当前帧中的人脸框进行人脸标记,具体包括:
根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记。
4.根据权利要求3所述的人脸追踪方法,其特征在于,所述根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记之后,所述方法还包括:
将所述当前帧中未进行人脸标记的人脸框,确定为所述当前帧中存在的新增的人脸框;
根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。
5.根据权利要求2所述的人脸追踪方法,其特征在于,所述根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框之后,所述方法还包括:
若所述当前帧中存在新增的人脸框,则将所述当前帧中与所述上一帧中每个人脸框分别计算的人脸框中心点之间距离都大于或等于预定阈值的人脸框,确定为新增的人脸框;
根据预置新增人脸标识,对所述新增的人脸框进行人脸标记。
6.根据权利要求1至5任一项所述的人脸追踪方法,其特征在于,所述方法还包括:
记录所述当前帧中已进行人脸标记的人脸框对应的人脸图片,以便进行人脸跟踪学习。
7.根据权利要求1所述的人脸追踪方法,其特征在于,所述根据计算结果,对所述当前帧中的人脸框进行人脸标记之后,所述方法还包括:
根据对所述当前帧的人脸识别结果,检测所述当前帧中是否存在错误人脸标记的人脸框;
若存在,则根据所述人脸识别结果对存在错误人脸标记的人脸框进行更正。
8.一种人脸追踪装置,其特征在于,包括:
检测单元,用于根据实时图像的人脸检测结果,当检测出所述实时图像的当前帧中存在人脸框时,检测与所述当前帧对应的上一帧中是否存在人脸框;
计算单元,用于若所述检测单元检测出与所述当前帧对应的上一帧中存在人脸框,则将所述当前帧中存在的人脸框与所述上一帧中存在的人脸框进行人脸框中心点之间距离的计算;
标记单元,用于根据所述计算单元的计算结果,对所述当前帧中的人脸框进行人脸标记,以便实现人脸实时追踪。
9.根据权利要求8所述的人脸追踪装置,其特征在于,
所述检测单元,还用于根据所述上一帧中存在的人脸框数量,检测所述当前帧中是否存在新增的人脸框;
所述计算单元,具体用于若所述检测单元检测出当前帧中不存在新增的人脸框,选取所述当前帧中存在的人脸框与所述上一帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述标记单元,具体用于根据与所述上一帧中所述人脸框中心点之间距离最小的人脸框对应的人脸标记,对选取的所述当前帧中的人脸框进行人脸标记。
10.根据权利要求9所述的人脸追踪装置,其特征在于,
所述计算单元,具体用于若所述检测单元检测出所述当前帧中存在新增的人脸框,则选取所述上一帧中存在的人脸框与所述当前帧中每个人脸框分别进行人脸框中心点之间距离的计算;
所述标记单元,具体用于根据选取的所述上一帧中人脸框对应的人脸标记,对与所述当前帧中所述人脸框中心点之间距离最小的人脸框进行人脸标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611030171.4A CN106778482A (zh) | 2016-11-15 | 2016-11-15 | 人脸追踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611030171.4A CN106778482A (zh) | 2016-11-15 | 2016-11-15 | 人脸追踪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106778482A true CN106778482A (zh) | 2017-05-31 |
Family
ID=58971607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611030171.4A Pending CN106778482A (zh) | 2016-11-15 | 2016-11-15 | 人脸追踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106778482A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875531A (zh) * | 2018-01-18 | 2018-11-23 | 北京迈格威科技有限公司 | 人脸检测方法、装置、系统及计算机存储介质 |
WO2019033575A1 (zh) * | 2017-08-17 | 2019-02-21 | 平安科技(深圳)有限公司 | 电子装置、人脸追踪的方法、系统及存储介质 |
CN109472278A (zh) * | 2017-09-08 | 2019-03-15 | 上海银晨智能识别科技有限公司 | 人脸数据的采集方法、装置、计算机可读介质及系统 |
CN109740474A (zh) * | 2018-12-25 | 2019-05-10 | 孙雪梅 | 插队人员动态识别机构以及相应终端 |
CN111401152A (zh) * | 2020-02-28 | 2020-07-10 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN111582047A (zh) * | 2020-04-15 | 2020-08-25 | 浙江大华技术股份有限公司 | 人脸识别验证通行方法及其相关装置 |
CN111815674A (zh) * | 2020-06-23 | 2020-10-23 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、装置以及计算机可读存储装置 |
WO2023142419A1 (zh) * | 2022-01-29 | 2023-08-03 | 上海商汤智能科技有限公司 | 人脸跟踪识别方法、装置、电子设备、介质及程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567043A (zh) * | 2009-05-31 | 2009-10-28 | 中山大学 | 基于分类识别的人脸跟踪方法 |
CN103679125A (zh) * | 2012-09-24 | 2014-03-26 | 致伸科技股份有限公司 | 人脸追踪的方法 |
CN106650624A (zh) * | 2016-11-15 | 2017-05-10 | 东软集团股份有限公司 | 人脸追踪方法及装置 |
-
2016
- 2016-11-15 CN CN201611030171.4A patent/CN106778482A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567043A (zh) * | 2009-05-31 | 2009-10-28 | 中山大学 | 基于分类识别的人脸跟踪方法 |
CN103679125A (zh) * | 2012-09-24 | 2014-03-26 | 致伸科技股份有限公司 | 人脸追踪的方法 |
CN106650624A (zh) * | 2016-11-15 | 2017-05-10 | 东软集团股份有限公司 | 人脸追踪方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019033575A1 (zh) * | 2017-08-17 | 2019-02-21 | 平安科技(深圳)有限公司 | 电子装置、人脸追踪的方法、系统及存储介质 |
CN109472278A (zh) * | 2017-09-08 | 2019-03-15 | 上海银晨智能识别科技有限公司 | 人脸数据的采集方法、装置、计算机可读介质及系统 |
CN108875531A (zh) * | 2018-01-18 | 2018-11-23 | 北京迈格威科技有限公司 | 人脸检测方法、装置、系统及计算机存储介质 |
CN108875531B (zh) * | 2018-01-18 | 2022-04-26 | 北京迈格威科技有限公司 | 人脸检测方法、装置、系统及计算机存储介质 |
CN109740474A (zh) * | 2018-12-25 | 2019-05-10 | 孙雪梅 | 插队人员动态识别机构以及相应终端 |
CN111401152A (zh) * | 2020-02-28 | 2020-07-10 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN111401152B (zh) * | 2020-02-28 | 2024-04-12 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN111582047A (zh) * | 2020-04-15 | 2020-08-25 | 浙江大华技术股份有限公司 | 人脸识别验证通行方法及其相关装置 |
CN111815674A (zh) * | 2020-06-23 | 2020-10-23 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、装置以及计算机可读存储装置 |
CN111815674B (zh) * | 2020-06-23 | 2023-02-28 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、装置以及计算机可读存储装置 |
WO2023142419A1 (zh) * | 2022-01-29 | 2023-08-03 | 上海商汤智能科技有限公司 | 人脸跟踪识别方法、装置、电子设备、介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778482A (zh) | 人脸追踪方法及装置 | |
CN106650624A (zh) | 人脸追踪方法及装置 | |
CN105701447B (zh) | 迎宾机器人 | |
CN103324937B (zh) | 标注目标的方法和装置 | |
CN105956632B (zh) | 一种检测目标的方法和装置 | |
Charalambous et al. | A data‐driven framework for visual crowd analysis | |
CN108549870A (zh) | 一种对物品陈列进行鉴别的方法及装置 | |
CN108986138A (zh) | 目标跟踪方法及设备 | |
CN109472213A (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
CN107563286A (zh) | 一种基于Kinect深度信息的动态手势识别方法 | |
JP2018022216A5 (zh) | ||
CN104346802B (zh) | 一种人员离岗监控方法及设备 | |
CN108229456A (zh) | 目标跟踪方法和装置、电子设备、计算机存储介质 | |
JP6454984B2 (ja) | 深度画像に基づく手の位置確定方法と装置 | |
CN106326853A (zh) | 一种人脸跟踪方法及装置 | |
CN105205482B (zh) | 快速人脸特征识别及姿态估算方法 | |
CN109993021A (zh) | 人脸正脸检测方法、装置及电子设备 | |
US20230044842A1 (en) | Work analyzing device and work analyzing method | |
Yumang et al. | Determination of Shelled Corn Damages using Colored Image Edge Detection with Convolutional Neural Network | |
Zecha et al. | Kinematic pose rectification for performance analysis and retrieval in sports | |
CN104881640A (zh) | 一种获取向量的方法及装置 | |
CN110136153A (zh) | 一种图像处理方法、设备及存储介质 | |
CN110298248A (zh) | 一种基于语义分割的多目标跟踪方法及系统 | |
CN110119768A (zh) | 用于车辆定位的视觉信息融合系统及方法 | |
JP7236694B2 (ja) | 情報処理方法、及び情報処理システム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |