CN106959076A - 基于摄像头的人像距离检测方法及系统 - Google Patents
基于摄像头的人像距离检测方法及系统 Download PDFInfo
- Publication number
- CN106959076A CN106959076A CN201710091121.5A CN201710091121A CN106959076A CN 106959076 A CN106959076 A CN 106959076A CN 201710091121 A CN201710091121 A CN 201710091121A CN 106959076 A CN106959076 A CN 106959076A
- Authority
- CN
- China
- Prior art keywords
- portrait
- camera
- distance
- sample
- picture
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims description 15
- 238000003708 edge detection Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于摄像头的人像距离检测方法及系统,所述方法包括:对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。根据本发明实施例的基于摄像头的人像距离检测方法,无需使用距离传感器,只需利用现有产品中都具备的摄像头即可对人像距离进行检测,成本较低,且由于只要摄像头能够拍摄到图像即可进行检测,因此检测距离更远。
Description
技术领域
本发明涉及图像分析技术领域,特别是涉及一种基于摄像头的人像距离检测方法及系统。
背景技术
随着科技的进步,智能产品,如智能手机、平板电脑、电子白板等,已广泛应用于人们的生活和学习中,这些智能产品常常需要感知人体和智能产品之间的距离,从而使智能产品做出相应的反馈,提升用户体验,例如根据人体与手机屏幕之间的距离调节屏幕的亮度,又例如根据电子白板与老师之间的距离,缩放电子白板中显示的图像的大小。
现有技术中,要实现距离的感知需要用到专门的距离传感器,大部分是基于红外线或者超声波来实现的,这类传感器对距离的感知虽然比较精确,但有效传感距离比较短,且必须在智能产品中安装距离传感器的硬件设备和相应的电路,势必会增加产品的制造成本。
发明内容
本发明旨在解决现有技术中含摄像设备如何测量/感知物体距离的技术问题。为此,本发明实施例提出一种基于摄像头的人像距离检测方法,检测距离远,无需距离传感器,只需利用现有产品中都具备的摄像头,即可对人像距离进行检测,成本较低。
根据本发明实施例的基于摄像头的人像距离检测方法,包括:
对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;
在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;
根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。
根据本发明实施例的基于摄像头的人像距离检测方法,首先对摄像头进行训练,获得人像面积与人像距离的函数关系,然后在摄像头拍摄的当前画面中获取目标人像,同时计算该目标人像的面积,再将该目标人像的面积代入人像面积与人像距离的函数关系中,即可获得目标人像与摄像头之间的距离,整个检测过程无需使用距离传感器,只需利用现有产品中都具备的摄像头即可对人像距离进行检测,成本较低,且由于只要摄像头能够拍摄到图像即可进行检测,因此,相比现有的距离传感器,检测距离更远。
另外,根据本发明上述实施例的基于摄像头的人像距离检测方法,还可以具有如下附加的技术特征:
进一步地,在本发明的一个实施例中,所述在所述摄像头拍摄的当前画面中获取目标人像的步骤具体包括:
对所述摄像头拍摄的所述当前画面进行特征提取,以提取所述当前画面中的所有当前人像,并计算每个所述当前人像的面积;
将每个所述当前人像作为顶点,构建无向全连通图,并按照以下公式计算每个所述当前人像的权重价值:
其中,n为顶点数,1≤i≤n,Mi为第i个顶点的权重价值,Si为第i个顶点的人像面积,Lij为第i个顶点与第j个顶点之间的距离,将权重价值最大的当前人像作为所述目标人像。
进一步地,在本发明的一个实施例中,所述对所述摄像头拍摄的所述当前画面进行特征提取的步骤包括:
采用人脸识别算法和/或图像边缘检测对所述摄像头拍摄的所述当前画面进行特征提取。
进一步地,在本发明的一个实施例中,所述对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系的步骤包括:
通过所述摄像头拍摄多个人像样本图片,每个所述人像样本图片均对应有与所述摄像头之间的样本距离,且任意两个所述样本距离均不同;
获取每个所述人像样本图片中的样本人像面积;
对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式,所述拟合公式为人像面积与人像距离的函数关系。
进一步地,在本发明的一个实施例中,所述对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式的步骤包括:
采用最小二乘法和/或B样条曲线拟合对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式。
本发明的另一个实施例提出一种基于摄像头的人像距离检测系统,检测距离远,无需距离传感器,只需利用现有产品中都具备的摄像头,即可对人像距离进行检测,成本较低。
根据本发明实施例的基于摄像头的人像距离检测系统,包括:
训练模块,用于对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;
第一获取模块,用于在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;
第二获取模块,用于根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。
另外,根据本发明上述实施例的基于摄像头的人像距离检测系统,还可以具有如下附加的技术特征:
进一步地,在本发明的一个实施例中,所述第一获取模块还用于:
对所述摄像头拍摄的所述当前画面进行特征提取,以提取所述当前画面中的所有当前人像,并计算每个所述当前人像的面积;
将每个所述当前人像作为顶点,构建无向全连通图,并按照以下公式计算每个所述当前人像的权重价值:
其中,n为顶点数,1≤i≤n,Mi为第i个顶点的权重价值,Si为第i个顶点的人像面积,Lij为第i个顶点与第j个顶点之间的距离,将权重价值最大的当前人像作为所述目标人像。
进一步地,在本发明的一个实施例中,所述第一获取模块还用于:
采用人脸识别算法和/或图像边缘检测对所述摄像头拍摄的所述当前画面进行特征提取。
进一步地,在本发明的一个实施例中,所述训练模块具体用于:
通过所述摄像头拍摄多个人像样本图片,每个所述人像样本图片均对应有与所述摄像头之间的样本距离,且任意两个所述样本距离均不同;
获取每个所述人像样本图片中的样本人像面积;
对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式,所述拟合公式为人像面积与人像距离的函数关系。
进一步地,在本发明的一个实施例中,所述训练模块还用于:
采用最小二乘法和/或B样条曲线拟合对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实施例了解到。
附图说明
本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一实施例的基于摄像头的人像距离检测方法的流程图;
图2是根据本发明一实施例的基于摄像头的人像距离检测方法中摄像头训练方法的流程图;
图3是根据本发明一实施例的基于摄像头的人像距离检测方法中在所述摄像头拍摄的画面中获取目标人像的流程图;
图4是根据本发明一实施例的基于摄像头的人像距离检测方法中无向全连通图的构建示意图;
图5是根据本发明另一实施例的基于摄像头的人像距离检测系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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做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。
请参阅图1,本发明一实施例提出的基于摄像头的人像距离检测方法,本实施例以电子白板为例进行说明,电子白板主要由硬件电子感应白板(White Board)和白板软件组成,其中,硬件电子感应白板中安装有摄像头,所述方法至少包括以下步骤:
S101,对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;
S102,在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;
S103,根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。
根据本发明实施例的基于摄像头的人像距离检测方法,首先对摄像头进行训练,获得人像面积与人像距离的函数关系,然后在摄像头拍摄的当前画面中获取目标人像,同时计算该目标人像的面积,再将该目标人像的面积代入人像面积与人像距离的函数关系中,即可获得目标人像与摄像头之间的距离,整个检测过程无需使用距离传感器,只需利用现有产品中都具备的摄像头即可对人像距离进行检测,成本较低,且由于只要摄像头能够拍摄到图像即可进行检测,因此,相比现有的距离传感器,检测距离更远。
根据本发明的一个示例,在步骤S101中,可以通过以下摄像头训练方法获取拟合公式,请参阅图2,所述摄像头训练方法包括:
S1011,通过所述摄像头拍摄多个人像样本图片,每个所述人像样本图片均对应有与所述摄像头之间的样本距离,且任意两个所述样本距离均不同;
其中,为了便于摄像头的训练,可以采集大量单个人体距离摄像头不同距离的人像样本图片,即每个人像样本图片中只有一个人像,且任意两个所述人像样本图片对应的样本距离均不同,记录每个所述人像样本图片的样本距离L0。
S1012,获取每个所述人像样本图片中的样本人像面积;
具体实施时,可以采用现有的图像处理算法,例如人脸识别算法和/或图像边缘检测对每个所述人像样本图片进行特征提取,从而计算每个所述人像样本图片中的样本人像面积,可以理解的,拍摄人像样本图片时,离摄像机越近,获得的样本人像面积就越大。
S1013,对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到所述拟合公式。
具体实施时,可以采用最小二乘法和/或B样条曲线拟合对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到所述拟合公式,即L=f(S),其中,L为人像距离,S为人像面积,f为人像距离与人像距离的函数关系。
请参阅他3,根据本发明的一个示例,步骤S102中,在所述摄像头拍摄的画面中获取目标人像的步骤具体包括:
S1021,对所述摄像头拍摄的所述当前画面进行特征提取,以提取所述当前画面中的所有当前人像,并计算每个所述当前人像的面积;
其中,具体实施时,摄像头拍摄的画面是一个动态的过程,例如,老师使用电子白板进行教学的过程,因此需要采集摄像头的每一帧画面,对每一帧画面均进行特征提取,可以采用现有的图像处理算法,例如人脸识别算法和/或图像边缘检测对每一帧画面均进行特征提取,以提取每一帧画面中的所有当前人像,并计算每个所述当前人像的面积。
S1022,将每个所述当前人像作为顶点,构建无向全连通图,并按照以下公式计算每个所述当前人像的权重价值:
其中,n为顶点数,1≤i≤n,Mi为第i个顶点的权重价值,Si为第i个顶点的人像面积,Lij为第i个顶点与第j个顶点之间的距离,将权重价值最大的当前人像作为所述目标人像。
请参阅图4,本实施例以电子白板的摄像头拍摄到5个人像为例进行说明,采用人脸识别算法和/或图像边缘检测对原始图片进行特征提取,得到V1,V2,V3,V4,V5一共5个人像,将V1,V2,V3,V4,V5分别作为顶点,构建无向全连通图,则有n=5,1≤i≤5,将V1,V2,V3,V4,V5的面积S1,S2,S3,S4,S5分别作为各自的权重W1,W2,W3,W4,W5,通过上述公式即可计算出V1,V2,V3,V4,V5对应的权重价值M1,M2,M3,M4,M5,将权重价值最大的人像作为所述目标人像,例如经过计算,权重价值M1最大,则将V1作为目标人像,然后将V1的人像面积S1,代入拟合公式L=f(S)中,即可得到目标人像与摄像头之间的距离L1,最终可以实现人像追踪。
下面给出一个具体应用环境,当老师使用电子白板进行教学时,由于教室里学生较多,而老师只有一名,通过本实施例提出的方法,以老师作为目标对象,可以只检测老师与摄像头之间的距离,然后可以根据老师与摄像头之间的距离对电子白板中的图形进行缩放,或者根据老师与摄像头之间的距离对电子白板中的屏幕的亮度进行调节,便于老师的教学。
请参阅图5,基于同一发明构思,本发明另一实施例提出的基于摄像头的人像距离检测系统,其特征在于,包括:
训练模块10,用于对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;
第一获取模块20,用于在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;
第二获取模块30,用于根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。
本实施例中,所述第一获取模块20还用于:
对所述摄像头拍摄的所述当前画面进行特征提取,以提取所述当前画面中的所有当前人像,并计算每个所述当前人像的面积;
将每个所述当前人像作为顶点,构建无向全连通图,并按照以下公式计算每个所述当前人像的权重价值:
其中,n为顶点数,1≤i≤n,Mi为第i个顶点的权重价值,Si为第i个顶点的人像面积,Lij为第i个顶点与第j个顶点之间的距离,将权重价值最大的当前人像作为所述目标人像。
本实施例中,所述第一获取模块20还用于:
采用人脸识别算法和/或图像边缘检测对所述摄像头拍摄的所述当前画面进行特征提取。
本实施例中,所述训练模块10具体用于:
通过所述摄像头拍摄多个人像样本图片,每个所述人像样本图片均对应有与所述摄像头之间的样本距离,且任意两个所述样本距离均不同;
获取每个所述人像样本图片中的样本人像面积;
对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式,所述拟合公式为人像面积与人像距离的函数关系。
本实施例中,所述训练模块10还用于:
采用最小二乘法和/或B样条曲线拟合对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式。
本发明实施例提出的基于摄像头的人像距离检测系统的技术特征和技术效果与本发明实施例提出的方法相同,在此不予赘述。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于摄像头的人像距离检测方法,其特征在于,包括:
对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;
在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;
根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。
2.根据权利要求1所述的基于摄像头的人像距离检测方法,其特征在于,所述在所述摄像头拍摄的当前画面中获取目标人像的步骤具体包括:
对所述摄像头拍摄的所述当前画面进行特征提取,以提取所述当前画面中的所有当前人像,并计算每个所述当前人像的面积;
将每个所述当前人像作为顶点,构建无向全连通图,并按照以下公式计算每个所述当前人像的权重价值:
其中,n为顶点数,1≤i≤n,Mi为第i个顶点的权重价值,Si为第i个顶点的人像面积,Lij为第i个顶点与第j个顶点之间的距离,将权重价值最大的当前人像作为所述目标人像。
3.根据权利要求2所述的基于摄像头的人像距离检测方法,其特征在于,所述对所述摄像头拍摄的所述当前画面进行特征提取的步骤包括:
采用人脸识别算法和/或图像边缘检测对所述摄像头拍摄的所述当前画面进行特征提取。
4.根据权利要求1所述的基于摄像头的人像距离检测方法,其特征在于,所述对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系的步骤包括:
通过所述摄像头拍摄多个人像样本图片,每个所述人像样本图片均对应有与所述摄像头之间的样本距离,且任意两个所述样本距离均不同;
获取每个所述人像样本图片中的样本人像面积;
对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式,所述拟合公式为人像面积与人像距离的函数关系。
5.根据权利要求4所述的基于摄像头的人像距离检测方法,其特征在于,所述对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式的步骤包括:
采用最小二乘法和/或B样条曲线拟合对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式。
6.一种基于摄像头的人像距离检测系统,其特征在于,包括:
训练模块,用于对所述摄像头进行人像样本训练以获取拟合公式,所述拟合公式为人像面积与人像距离的函数关系;
第一获取模块,用于在所述摄像头拍摄的当前画面中获取目标人像,并计算所述目标人像的面积;
第二获取模块,用于根据所述目标人像的面积和所述拟合公式获取所述目标人像与所述摄像头之间的距离。
7.根据权利要求6所述的基于摄像头的人像距离检测系统,其特征在于,所述第一获取模块还用于:
对所述摄像头拍摄的所述当前画面进行特征提取,以提取所述当前画面中的所有当前人像,并计算每个所述当前人像的面积;
将每个所述当前人像作为顶点,构建无向全连通图,并按照以下公式计算每个所述当前人像的权重价值:
其中,n为顶点数,1≤i≤n,Mi为第i个顶点的权重价值,Si为第i个顶点的人像面积,Lij为第i个顶点与第j个顶点之间的距离,将权重价值最大的当前人像作为所述目标人像。
8.根据权利要求7所述的基于摄像头的人像距离检测系统,其特征在于,所述第一获取模块还用于:
采用人脸识别算法和/或图像边缘检测对所述摄像头拍摄的所述当前画面进行特征提取。
9.根据权利要求6所述的基于摄像头的人像距离检测系统,其特征在于,所述训练模块具体用于:
通过所述摄像头拍摄多个人像样本图片,每个所述人像样本图片均对应有与所述摄像头之间的样本距离,且任意两个所述样本距离均不同;
获取每个所述人像样本图片中的样本人像面积;
对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式,所述拟合公式为人像面积与人像距离的函数关系。
10.根据权利要求9所述的基于摄像头的人像距离检测系统,其特征在于,所述训练模块还用于:
采用最小二乘法和/或B样条曲线拟合对每个所述样本距离和与之对应的所述样本人像面积进行曲线拟合,以得到拟合公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710091121.5A CN106959076A (zh) | 2017-02-20 | 2017-02-20 | 基于摄像头的人像距离检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710091121.5A CN106959076A (zh) | 2017-02-20 | 2017-02-20 | 基于摄像头的人像距离检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106959076A true CN106959076A (zh) | 2017-07-18 |
Family
ID=59481155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710091121.5A Pending CN106959076A (zh) | 2017-02-20 | 2017-02-20 | 基于摄像头的人像距离检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106959076A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038437A (zh) * | 2017-12-06 | 2018-05-15 | 珠海市魅族科技有限公司 | 一种人脸识别方法、电子设备及计算机程序产品 |
CN109060831A (zh) * | 2018-08-09 | 2018-12-21 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
WO2019090904A1 (zh) * | 2017-11-10 | 2019-05-16 | 广州视源电子科技股份有限公司 | 确定距离的方法、装置、设备及存储介质 |
CN109977727A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 视力保护方法、装置、存储介质及移动终端 |
CN112284330A (zh) * | 2020-11-18 | 2021-01-29 | 青岛科美创视智能科技有限公司 | 一种基于鱼眼摄像机的距离测量系统及方法 |
CN112465910A (zh) * | 2020-11-26 | 2021-03-09 | 成都新希望金融信息有限公司 | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 |
CN112489116A (zh) * | 2020-12-07 | 2021-03-12 | 青岛科美创视智能科技有限公司 | 一种使用单相机估算目标距离的方法及系统 |
US11651675B2 (en) | 2018-02-02 | 2023-05-16 | Siemens Schweiz Ag | Safety device inspection |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09179998A (ja) * | 1995-12-25 | 1997-07-11 | Nippon Telegr & Teleph Corp <Ntt> | 3次元画像表示システム |
CN101337536A (zh) * | 2008-08-11 | 2009-01-07 | 北京中星微电子有限公司 | 一种汽车装置以及一种确定车距的方法 |
CN101750049A (zh) * | 2008-12-05 | 2010-06-23 | 南京理工大学 | 基于道路和车辆自身信息的单目视觉车距测量方法 |
CN102332034A (zh) * | 2011-10-21 | 2012-01-25 | 中国科学院计算技术研究所 | 一种人像图片检索方法和装置 |
CN102721404A (zh) * | 2012-06-07 | 2012-10-10 | 南京航空航天大学 | 使用数码摄像头的非接触式测距装置及测量方法 |
CN105116994A (zh) * | 2015-07-07 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 基于人工智能的智能机器人追踪方法和追踪装置 |
-
2017
- 2017-02-20 CN CN201710091121.5A patent/CN106959076A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09179998A (ja) * | 1995-12-25 | 1997-07-11 | Nippon Telegr & Teleph Corp <Ntt> | 3次元画像表示システム |
CN101337536A (zh) * | 2008-08-11 | 2009-01-07 | 北京中星微电子有限公司 | 一种汽车装置以及一种确定车距的方法 |
CN101750049A (zh) * | 2008-12-05 | 2010-06-23 | 南京理工大学 | 基于道路和车辆自身信息的单目视觉车距测量方法 |
CN102332034A (zh) * | 2011-10-21 | 2012-01-25 | 中国科学院计算技术研究所 | 一种人像图片检索方法和装置 |
CN102721404A (zh) * | 2012-06-07 | 2012-10-10 | 南京航空航天大学 | 使用数码摄像头的非接触式测距装置及测量方法 |
CN105116994A (zh) * | 2015-07-07 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 基于人工智能的智能机器人追踪方法和追踪装置 |
Non-Patent Citations (3)
Title |
---|
张帆: "基于人脸特征区域定位的人机交互系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
胡昭民: "《图解数据结构——使用Java》", 31 August 2015, 清华大学出版社 * |
赵坚勇: "《应用电视技术(第二版)》", 31 December 2013, 西安电子科技大学出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019090904A1 (zh) * | 2017-11-10 | 2019-05-16 | 广州视源电子科技股份有限公司 | 确定距离的方法、装置、设备及存储介质 |
CN108038437A (zh) * | 2017-12-06 | 2018-05-15 | 珠海市魅族科技有限公司 | 一种人脸识别方法、电子设备及计算机程序产品 |
CN109977727A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 视力保护方法、装置、存储介质及移动终端 |
US11651675B2 (en) | 2018-02-02 | 2023-05-16 | Siemens Schweiz Ag | Safety device inspection |
CN109060831A (zh) * | 2018-08-09 | 2018-12-21 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
CN109060831B (zh) * | 2018-08-09 | 2021-01-15 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
CN112284330A (zh) * | 2020-11-18 | 2021-01-29 | 青岛科美创视智能科技有限公司 | 一种基于鱼眼摄像机的距离测量系统及方法 |
CN112465910A (zh) * | 2020-11-26 | 2021-03-09 | 成都新希望金融信息有限公司 | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 |
CN112465910B (zh) * | 2020-11-26 | 2021-12-28 | 成都新希望金融信息有限公司 | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 |
CN112489116A (zh) * | 2020-12-07 | 2021-03-12 | 青岛科美创视智能科技有限公司 | 一种使用单相机估算目标距离的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106959076A (zh) | 基于摄像头的人像距离检测方法及系统 | |
US11270526B2 (en) | Teaching assistance method and teaching assistance system using said method | |
JP6688277B2 (ja) | プログラム、学習処理方法、学習モデル、データ構造、学習装置、および物体認識装置 | |
GB2593335A (en) | Method and apparatus for 3-D auto tagging | |
CN112330601A (zh) | 一种基于鱼眼相机的停车检测方法、装置、设备及介质 | |
CN107613199A (zh) | 虚化照片生成方法、装置和移动终端 | |
EP1703436A3 (en) | Image processing system, image processing apparatus and method, recording medium, and program | |
CN104048969A (zh) | 一种隧道病害的识别方法 | |
CN105865723A (zh) | 气体泄漏检测非均匀校正方法及气体泄漏检测装置 | |
CN102982336A (zh) | 识别模型生成方法和系统 | |
CN110287862B (zh) | 基于深度学习的防偷拍检测方法 | |
CN104823437A (zh) | 一种图片处理方法、装置 | |
CN104604214A (zh) | 用于产生拍摄图像的方法和设备 | |
CN106920247A (zh) | 一种基于比对网络的目标跟踪方法及装置 | |
CN103135743A (zh) | 一种电子设备的显示画面的调整方法及电子设备 | |
CN110619460A (zh) | 基于深度学习目标检测的教室课堂质量评估系统及方法 | |
CN105719250A (zh) | 基于简单背景的图像修复方法、系统及拍摄终端 | |
WO2008111550A1 (ja) | 画像解析システム、及び画像解析プログラム | |
CN111368698B (zh) | 主体识别方法、装置、电子设备及介质 | |
CN115619652A (zh) | 图像盲去噪方法、装置、电子设备和存储介质 | |
JP7403995B2 (ja) | 情報処理装置、制御方法およびプログラム | |
EP2107785A3 (en) | Image processor | |
CN103096117A (zh) | 视频噪声检测方法及装置 | |
CN107590830A (zh) | 基于图像的高度确定方法、装置及存储介质 | |
US8218823B2 (en) | Determining main objects using range information |
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 |
Application publication date: 20170718 |
|
RJ01 | Rejection of invention patent application after publication |